String Tokenizer：用逗号分割字符串并忽略双引号中的逗号答案

【问题标题】：String Tokenizer : split string by comma and ignore comma in double quotesString Tokenizer：用逗号分割字符串并忽略双引号中的逗号
【发布时间】：2013-10-14 23:32:39
【问题描述】：

我有一个像下面这样的字符串 -

value1, value2, value3, value4, "value5, 1234", value6, value7, "value8", value9, "value10, 123.23"

如果我对上面的字符串进行标记，我会得到逗号分隔的标记。但我想说的是字符串标记器在进行拆分时忽略双引号后的逗号。怎么说呢？

提前致谢

杀食

【问题讨论】：

使用 CSV 解析器？正则表达式会有点复杂。否则，请发布您尝试过的内容。
CSV 解析器还可以让您统一处理带引号/不带引号的值。

标签： java regex string

【解决方案1】：

使用像 OpenCSV 这样的 CSV 解析器来自动处理引用元素中的逗号、跨越多行的值等。您也可以使用该库将文本序列化为 CSV。

String str = "value1, value2, value3, value4, \"value5, 1234\", " +
        "value6, value7, \"value8\", value9, \"value10, 123.23\"";

CSVReader reader = new CSVReader(new StringReader(str));

String [] tokens;
while ((tokens = reader.readNext()) != null) {
    System.out.println(tokens[0]); // value1
    System.out.println(tokens[4]); // value5, 1234
    System.out.println(tokens[9]); // value10, 123.23
}

【讨论】：

【解决方案2】：

您只需要一行和正确的正则表达式：

String[] values = input.replaceAll("^\"", "").split("\"?(,|$)(?=(([^\"]*\"){2})*[^\"]*$) *\"?");

这也为您整齐地修剪了双引号，包括最后的引号！

注意：当引用 first 术语时，有趣的边缘情况需要一个额外的步骤，即使用 replaceAll() 修剪前导引号。

这是一些测试代码：

String input= "\"value1, value2\", value3, value4, \"value5, 1234\", " +
    "value6, value7, \"value8\", value9, \"value10, 123.23\"";
String[] values = input.replaceAll("^\"", "").split("\"?(,|$)(?=(([^\"]*\"){2})*[^\"]*$) *\"?");
for (String s : values)
System.out.println(s);

输出：

value1, value2
value3
value4
value5, 1234
value6
value7
value8
value9
value10, 123.23

【讨论】：

【解决方案3】：

我对正则表达式过敏；为什么不按照某人的建议进行双重拆分？

    String str = "value1, value2, value3, value4, \"value5, 1234\", value6, value7, \"value8\", value9, \"value10, 123.23\"";
    boolean quoted = false;
    for(String q : str.split("\"")) {
        if(quoted)
            System.out.println(q.trim());
        else
            for(String s : q.split(","))
                if(!s.trim().isEmpty())
                    System.out.println(s.trim());
        quoted = !quoted;
    }

【讨论】：

【解决方案4】：

您可以使用多种方法：

编写用于搜索昏迷的代码并保持状态天气特定昏迷在引号或注释中。
用双引号标记，然后用逗号标记结果数组中的字符串（确保标记索引为 0、2、4 等的字符串，因为它们不在原始字符串中的双引号中）

【讨论】：

【解决方案5】：

在没有任何第三方库依赖的情况下，以下代码也可以根据给定的要求解析字段：

import java.util.*;

public class CSVSpliter {

  public static void main (String [] args) {
    String inputStr = "value1, value2, value3, value4, \"value5, 1234\", value6, value7, \"value8\", value9, \"value10, 123.23\"";

    StringBuffer sb = new StringBuffer (inputStr);
    List<String> splitStringList = new ArrayList<String> ();
    boolean insideDoubleQuotes = false;
    StringBuffer field = new StringBuffer ();

    for (int i=0; i < sb.length(); i++) {
        if (sb.charAt (i) == '"' && !insideDoubleQuotes) {
            insideDoubleQuotes = true;
        } else if (sb.charAt(i) == '"' && insideDoubleQuotes) {
            insideDoubleQuotes = false;
            splitStringList.add (field.toString().trim());
            field.setLength(0);
        } else if (sb.charAt(i) == ',' && !insideDoubleQuotes) {
            // ignore the comma after double quotes.
            if (field.length() > 0) {
                splitStringList.add (field.toString().trim());
            }
            // clear the field for next word
            field.setLength(0);
        } else {
            field.append (sb.charAt(i));
        }
    }
    for (String str: splitStringList) {
        System.out.println ("Split fields: "+str);
    }
}

}

这将给出以下输出：

拆分字段：value1

拆分字段：value2

拆分字段：value3

拆分字段：value4

拆分字段：value5、1234

拆分字段：value6

拆分字段：value7

拆分字段：value8

拆分字段：value9

拆分字段：value10、123.23

【讨论】：

【解决方案6】：

String delimiter = ",";

String v = "value1, value2, value3, value4, \"value5, 1234\", value6, value7, \"value8\", value9, \"value10, 123.23\"";

String[] a = v.split(delimiter + "(?=(?:(?:[^\"]*+\"){2})*+[^\"]*+$)");

【讨论】：