在逗号上拆分一个不带双引号的逗号的字符串

Question

我之前提出过这个问题并且因为它是一个副本而被关闭了，我接受并实际在Java问题中找到答案：拆分逗号分隔的字符串但忽略引号中的逗号 ，所以感谢发布它的人。

但是我已经遇到了另一个问题。 显然我需要做的是当有零或偶数个双引号时使用“，”作为我的分隔符，但也忽略括号中包含的任何“，”。

所以以下内容：

"Thanks,", "in advance,", "for("the", "help")"

将标记为：

• 谢谢，
• 提前，
• for（“the”，“help”）

我不确定是否有任何修改我正在使用的当前正则表达式允许这样做，但任何指导将不胜感激。

line.split(",(?=([^\"]*\"[^\"]*\")*[^\"]*$)");

Answer 1

有时候更容易匹配你想要的而不是你不想要的东西：

String s = "\"Thanks,\", \"in advance,\", \"for(\"the\", \"help\")\"";
String regex = "\"(\\([^)]*\\)|[^\"])*\"";
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(s);
while(m.find()) {
    System.out.println(s.substring(m.start(),m.end()));
}

输出：

"Thanks,"
"in advance,"
"for("the", "help")"

如果你还需要它忽略括号内的引号部分内的右括号，那么你需要这样：

 String regex = "\"(\\((\"[^\"]*\"|[^)])*\\)|[^\"])*\"";

需要第二个更复杂版本的字符串示例如下：

 "foo","bar","baz(":-)",":-o")"

输出：

"foo"
"bar"
"baz(":-)",":-o")"

但是，如果可能的话，我建议您更改数据格式。 如果您使用XML等标准格式来存储令牌，这将会容易得多。

Answer 2

自制的解析器很容易编写。

例如，这个ANTLR语法可以毫不费力地处理您的示例输入：

parse
  :  line*
  ;

line
  :  Quoted ( ',' Quoted )* ( '\r'? '\n' | EOF )
  ;

Quoted
  :  '"' ( Atom )* '"'
  ;

fragment
Atom
  :  Parentheses
  |  ~( '"' | '\r' | '\n' | '(' | ')' )
  ;

fragment
Parentheses
  :  '(' ~( '(' | ')' | '\r' | '\n' )* ')'
  ;

Space
  :  ( ' ' | '\t' ) {skip();}
  ;

并且很容易将其扩展为考虑转义引号或括号。

当将由该语法生成​​的解析器提供给以下两行输入时：

"Thanks,", "in advance,", "for("the", "help")"
"and(,some,more)","data , here"

它被解析如下：

如果您考虑使用ANTLR，我可以发布一些HOW-TO来从我发布的语法中获取解析器，如果您愿意的话。