Java：解析带有额外引号的字符串

Question

备用问题标题：分割制表符分隔列表内的逗号分隔列表。

我正在寻找不涉及标准Java例程以外的其他程序包的解决方案。 这必须是之前已经解决的问题，我只是不知道在Stackoverflow上使用哪个关键字来找到它！

我正在解析一个制表符分隔的文件。 分割行后，我在字段上执行错误检查，以防止不良数据进入程序。 除了一个领域，我几乎解决了所有问题。 输入线的基本布局是：

field1<tab>field2<tab>field3<tab>field4

根据设计，field3可以包含：

1. 空字符串：

    field1<tab>field2<tab><tab>field4 

2. 一串，带或不带空格：

    field1<tab>field2<tab>Fred Flintstone<tab>field4 

3. 用逗号分隔的多个字符串：

    field1<tab>field2<tab>Fred, Barney, Wilma<tab>field4 

该行的读取和拆分如下：

    String entry = pq2File.readline();
    String[] temp;
    temp = entry.split("\t", 4);

当我将输入行除以“ \\ t”时，在上述每种情况下，我的第三个字段（temp [2]）的设置如下：

1. []
2. [Fred Flintstone]
3. [弗雷德，巴尼，威尔玛]

然后，我再次用“，”分割field3

ArrayList<String> names = 
     new ArrayList<String>(Arrays.asList(temp[2].split(",")));

在上述每种情况下，在ArrayList名称中给我以下值

1. [空]
2. 弗雷德·弗林特斯通
3. 弗雷德
   巴尼
   威尔玛

当我使用文本编辑器创建文件或使用SQL语句将数据从我无法访问的外部远程系统中拉出时，所有这些操作都可以正确处理。 用户坚持使用MS EXCEL创建文件会带来问题。 在这种情况下，该行如下所示：

field1<tab>field2<tab>"Fred, Barney, Wilma"<tab>field4

当我解析行时，我的变量获取值

"Fred, Barney, Wilma"

并以“，”将其分割为：
“弗雷德
巴尼
威尔玛”

显然，我想摆脱多余的“”标记。我是否正在寻找解决方案，以便在拆分字段之前删除“”标记？ 还是等到字段拆分之后才有意义（更少的代码），然后再看第一和最后一项。 我问，因为这行可能是：

field1<tab>field2<tab>"Fred Flintstone", "Barney Rubble", "Wilma Flintstone"<tab>field4 

在这种情况下，我希望temp [2]变为：

"Fred Flintstone", "Barney Rubble", "Wilma Flintstone"

并且temp [2]的结果拆分应导致：
“弗雷德摩登原始人”
“巴尼·鲁伯”
“威尔玛打火石”

很好。

编辑已咨询设计团队，并确认对于所有字段，这些字段中都没有嵌入的选项卡。

此外，他们已经确认，在字段3中，该字段内没有带逗号的项目。

因此，输入如下内容：

field1<tab>field2<tab>"Fred Flintstone", "Barney, Wilma"<tab>field4 

应为field3产生三个条目：

• “弗雷德摩登原始人”
• “巴尼
• Wilam”

我正向他们施加压力，要求他们解决可能使整个问题困扰的另一个问题。

Answer 1

我想你想

• 以逗号分隔
• 如果（（第一个元素以双引号开头但不以double__quote结束）和（最后一个元素以双引号结尾但不以双引号开头）），则删除那些双引号

不过，我想知道是否会有坏数据，例如

field1<tab>field2<tab>"Fred Flintstone", "Barney, Wilma"<tab>field4 

导致各种脏数据。 您可能需要严格定义语法，而不是使用示例，此时解析应该变得很简单。

Answer 2

我建议您分两个级别对特定的解析器进行编码：

• 外层应在每次出现TAB时停止。
• 内部级别应在每次出现逗号时停止，并丢弃第一个字符引号和最后一个字符引号。

从理论上讲，我并没有在这里发表我的建议：

public class CombinedStringParser
{
    private final String src;

    private final char delimitter;

    private int currentPos=0;

    public CombinedStringParser(String src, char delimitter)
    {
        super();
        this.src=src;
        this.delimitter=delimitter;
    }

    public String nextToken()
    {
        int initialPos=this.currentPos;
        int x=0;
        while (this.currentPos < this.src.length())
        {
            char c=this.src.charAt(this.currentPos++);
            if (c == this.delimitter)
            {
                x=-1;
                break;
            }
        }
        return this.src.substring(initialPos, this.currentPos + x);
    }

    public List<String> nextListOfTokens(char listDelimitter)
    {
        int initialPos=this.currentPos;
        List<String> list=new ArrayList<String>();
        while (this.currentPos < this.src.length())
        {
            char c=this.src.charAt(this.currentPos++);
            if (c == this.delimitter)
            {
                break;
            }
            else
            {
                if (c == listDelimitter)
                {
                    int p1=initialPos;
                    int p2=this.currentPos - 1;
                    if (this.src.charAt(p1) == '\"')
                    {
                        p1++;
                    }
                    if (this.src.charAt(p2 - 1) == '\"')
                    {
                        p2--;
                    }
                    list.add(this.src.substring(p1, p2));
                    initialPos=this.currentPos;
                }
            }
        }
        if (initialPos < this.currentPos)
        {
            int p1=initialPos;
            int p2=this.src.length();
            if (this.src.charAt(p1) == '\"')
            {
                p1++;
            }
            if (this.src.charAt(p2 - 1) == '\"')
            {
                p2--;
            }
            list.add(this.src.substring(p1, p2));
        }
        return list;
    }
}

如何使用它：

CombinedStringParser parser=new CombinedStringParser(src, '\t');
String firstToken=parser.nextToken();
String secondToken=parser.nextToken();
List<String> thirdToken=parser.nextListOfTokens(',');
String fourthToken=parser.nextToken();

Appart从有效开始 ，由于其特殊性，该解决方案也是有效的 ，因为它只解析每个字符一次 。

Answer 3

只需先删除“，然后拆分。

temp = entry.replaceAll("\"", '').split("\t", 4);