Java: разделение разделенной от запятой строки, но игнорирование запятых в кавычках

Самый простой подход не должен соответствовать разделителям, т.е. запятым, со сложной дополнительной логикой для соответствия тому, что на самом деле предназначается (данные, которые могли бы быть заключены строки в кавычки), только чтобы исключить ложные разделители, а скорее соответствовать намеченным данным во-первых.

шаблон состоит из двух альтернатив, заключенная в кавычки строка ("[^"]*" или ".*?") или все до следующей запятой ([^,]+). Для поддержки пустых ячеек мы должны позволить неупомянутому объекту быть пустым и использовать следующую запятую, если таковые имеются, и использовать \\G привязка:

Pattern p = Pattern.compile("\\G\"(.*?)\",?|([^,]*),?");

шаблон также содержит две группы фиксации для получения или, заключенное в кавычки string’s содержание или простое содержание.

Затем с JavaВ 9, мы можем получить массив как [1 114]

String[] a = p.matcher(input).results()
    .map(m -> m.group(m.start(1)<0? 2: 1))
    .toArray(String[]::new);

, тогда как для более старых версий Java нужен цикл как [1 115]

for(Matcher m = p.matcher(input); m.find(); ) {
    String token = m.group(m.start(1)<0? 2: 1);
    System.out.println("found: "+token);
}

, Добавление объектов к List или массив оставляют как акциз читателю.

Для JavaВ 8, можно использовать results() реализация [1 110] этот ответ , чтобы сделать это как решение JavaВ 9.

Pattern p = Pattern.compile("\\G((\"(.*?)\"|[^,])*),?");

http : //sourceforge.net/projects/javacsv/

https://github.com/pupi1985/JavaCSV-Reloaded (ответвление предыдущей библиотеки, которая позволит сгенерированному выводу иметь терминаторы строки Windows \ r \ n , когда не работает Windows)

http://opencsv.sourceforge.net/

CSV API для Java

Можете ли вы порекомендовать библиотеку Java для чтения (и, возможно, записи) файлов CSV?

Библиотека Java или приложение для преобразования CSV в файл XML?

Попробуйте выполнить поиск , например (?! \ "), (?! \") . Это должно соответствовать , , которые не окружены ".

Вы находитесь в той раздражающей граничной области, где регулярные выражения почти не работают do (как было указано Бартом, избегание кавычек усложнило бы жизнь), и все же полноценный синтаксический анализатор кажется излишним.

Если в ближайшее время вам, вероятно, понадобится большая сложность, я поищу библиотеку парсера. Например этот

Я был нетерпелив и решил не ждать ответов ... для справки, не так уж сложно сделать что-то подобное (это работает для моего приложения, мне не нужно беспокоиться об экранированных кавычках, так как содержимое кавычек ограничено несколькими ограниченными формами):

final static private Pattern splitSearchPattern = Pattern.compile("[\",]"); 
private List<String> splitByCommasNotInQuotes(String s) {
    if (s == null)
        return Collections.emptyList();

    List<String> list = new ArrayList<String>();
    Matcher m = splitSearchPattern.matcher(s);
    int pos = 0;
    boolean quoteMode = false;
    while (m.find())
    {
        String sep = m.group();
        if ("\"".equals(sep))
        {
            quoteMode = !quoteMode;
        }
        else if (!quoteMode && ",".equals(sep))
        {
            int toPos = m.start(); 
            list.add(s.substring(pos, toPos));
            pos = m.end();
        }
    }
    if (pos < s.length())
        list.add(s.substring(pos));
    return list;
}

(упражнение для читателя: распространите на обработку экранированных кавычек, также ища обратную косую черту.)

Вместо того, чтобы использовать предварительный просмотр и другие сумасшедшие регулярные выражения, просто сначала вытащите кавычки. То есть для каждой группировки цитат замените эту группировку на __ IDENTIFIER_1 или какой-либо другой индикатор и сопоставьте эту группировку с картой строки, строки.

После разделения запятой замените все сопоставленные идентификаторы на исходные строковые значения.

Я бы сделал что-то вроде этого:

boolean foundQuote = false;

if(charAtIndex(currentStringIndex) == '"')
{
   foundQuote = true;
}

if(foundQuote == true)
{
   //do nothing
}

else 

{
  string[] split = currentString.split(',');  
}

В то время как я занимаюсь регулярными выражениями в целом, для такого рода, зависиваемой в государстве токенизации, я считаю, что простой парсер (который в этом случае намного проще, чем это слово может сделать это звуком ) Вероятно, является более чистым решением, в частности, в отношении обслуживания для ремонтопригодности, например:

String input = "foo,bar,c;qual=\"baz,blurb\",d;junk=\"quux,syzygy\"";
List<String> result = new ArrayList<String>();
int start = 0;
boolean inQuotes = false;
for (int current = 0; current < input.length(); current++) {
    if (input.charAt(current) == '\"') inQuotes = !inQuotes; // toggle state
    boolean atLastChar = (current == input.length() - 1);
    if(atLastChar) result.add(input.substring(start));
    else if (input.charAt(current) == ',' && !inQuotes) {
        result.add(input.substring(start, current));
        start = current + 1;
    }
}

, если вы не заботитесь о сохранении запятых внутри цитат, вы можете упростить этот подход (не обрабатывая индекс запуска, NO последнего символа Специальный случай), заменяя запятые в кавычки чем-то другим, а затем разделеть на запятую:

String input = "foo,bar,c;qual=\"baz,blurb\",d;junk=\"quux,syzygy\"";
StringBuilder builder = new StringBuilder(input);
boolean inQuotes = false;
for (int currentIndex = 0; currentIndex < builder.length(); currentIndex++) {
    char currentChar = builder.charAt(currentIndex);
    if (currentChar == '\"') inQuotes = !inQuotes; // toggle state
    if (currentChar == ',' && inQuotes) {
        builder.setCharAt(currentIndex, ';'); // or '♡', and replace later
    }
}
List<String> result = Arrays.asList(builder.toString().split(","));