使用分隔符拆分带引号的字符串

Question

我想拆分带分隔符空格的字符串。 但它应该智能地处理引用的字符串。 例如，像一个字符串

"John Smith" Ted Barry 

它应该返回三个字符串John Smith，Ted和Barry。

Answer 1

搞乱之后，你可以使用正则表达式。 运行相当于“匹配所有”的：

((?<=("))[\w ]*(?=("(\s|$))))|((?<!")\w+(?!"))

一个Java示例：

import java.util.regex.Pattern;
import java.util.regex.Matcher;

public class Test
{ 
    public static void main(String[] args)
    {
        String someString = "\"Multiple quote test\" not in quotes \"inside quote\" \"A work in progress\"";
        Pattern p = Pattern.compile("((?<=(\"))[\\w ]*(?=(\"(\\s|$))))|((?<!\")\\w+(?!\"))");
        Matcher m = p.matcher(someString);

        while(m.find()) {
            System.out.println("'" + m.group() + "'");
        }
    }
}

输出：

'Multiple quote test'
'not'
'in'
'quotes'
'inside quote'
'A work in progress'

可以在此处查看使用上述示例的正则表达式细分：

http://regex101.com/r/wM6yT9

---

尽管如此，正则表达式不应该是解决所有问题的方法 - 我只是玩得开心。 这个例子有许多边缘情况，例如处理unicode字符，符号等。你最好使用一个久经考验的库来完成这类任务。 在使用此答案之前，请先查看其他答案。

Answer 2

试试这个丑陋的代码。

    String str = "hello my dear \"John Smith\" where is Ted Barry";
    List<String> list = Arrays.asList(str.split("\\s"));
    List<String> resultList = new ArrayList<String>();
    StringBuilder builder = new StringBuilder();
    for(String s : list){
        if(s.startsWith("\"")) {
            builder.append(s.substring(1)).append(" ");
        } else {
            resultList.add((s.endsWith("\"") 
                    ? builder.append(s.substring(0, s.length() - 1)) 
                    : builder.append(s)).toString());
            builder.delete(0, builder.length());
        }
    }
    System.out.println(resultList);     

Answer 3

好吧，我做了一个小狙击手，做你想要的东西和更多的东西。 因为你没有指定更多的条件我没有经历麻烦。 我知道这是一种肮脏的方式，你可以通过已经制作的东西获得更好的结果。 但是为了编程的乐趣，这里是一个例子：

    String example = "hello\"John Smith\" Ted Barry lol\"Basi German\"hello";
    int wordQuoteStartIndex=0;
    int wordQuoteEndIndex=0;

    int wordSpaceStartIndex = 0;
    int wordSpaceEndIndex = 0;

    boolean foundQuote = false;
    for(int index=0;index<example.length();index++) {
        if(example.charAt(index)=='\"') {
            if(foundQuote==true) {
                wordQuoteEndIndex=index+1;
                //Print the quoted word
                System.out.println(example.substring(wordQuoteStartIndex, wordQuoteEndIndex));//here you can remove quotes by changing to (wordQuoteStartIndex+1, wordQuoteEndIndex-1)
                foundQuote=false;
                if(index+1<example.length()) {
                    wordSpaceStartIndex = index+1;
                }
            }else {
                wordSpaceEndIndex=index;
                if(wordSpaceStartIndex!=wordSpaceEndIndex) {
                    //print the word in spaces
                    System.out.println(example.substring(wordSpaceStartIndex, wordSpaceEndIndex));
                }
                wordQuoteStartIndex=index;
                foundQuote = true;
            }
        }

        if(foundQuote==false) {
            if(example.charAt(index)==' ') {
                wordSpaceEndIndex = index;
                if(wordSpaceStartIndex!=wordSpaceEndIndex) {
                    //print the word in spaces
                    System.out.println(example.substring(wordSpaceStartIndex, wordSpaceEndIndex));
                }
                wordSpaceStartIndex = index+1;
            }

            if(index==example.length()-1) {
                if(example.charAt(index)!='\"') {
                    //print the word in spaces
                    System.out.println(example.substring(wordSpaceStartIndex, example.length()));
                }
            }
        }
    }

这也检查在引号之前或之前没有用空格分隔的单词，例如“John Smith”之前和“Basi German”之后的单词“hello”。

当字符串被修改为"John Smith" Ted Barry ，输出是三个字符串，1）“John Smith”2）Ted 3）Barry

示例中的字符串是你好“John Smith”Ted Barry lol“Basi German”你好并打印1）你好2）“John Smith”3）Ted 4）Barry 5）lol 6）“Basi German”7）你好

希望能帮助到你

Answer 4

commons-lang有一个StrTokenizer类来为你做这个，还有java-csv库。

StrTokenizer的示例：

String params = "\"John Smith\" Ted Barry"
// Initialize tokenizer with input string, delimiter character, quote character
StrTokenizer tokenizer = new StrTokenizer(params, ' ', '"');
for (String token : tokenizer.getTokenArray()) {
   System.out.println(token);
}

输出：

John Smith
Ted
Barry

Answer 5

这是我自己的版本，从http://pastebin.com/aZngu65y （发表在评论中）清理。 它可以照顾Unicode。 它将清理所有过多的空间（即使在引用中） - 根据需要，这可能是好的还是坏的。 不支持转义报价。

private static String[] parse(String param) {
  String[] output;

  param = param.replaceAll("\"", " \" ").trim();
  String[] fragments = param.split("\\s+");

  int curr = 0;
  boolean matched = fragments[curr].matches("[^\"]*");
  if (matched) curr++;

  for (int i = 1; i < fragments.length; i++) {
    if (!matched)
      fragments[curr] = fragments[curr] + " " + fragments[i];

    if (!fragments[curr].matches("(\"[^\"]*\"|[^\"]*)"))
      matched = false;
    else {
      matched = true;

      if (fragments[curr].matches("\"[^\"]*\""))
        fragments[curr] = fragments[curr].substring(1, fragments[curr].length() - 1).trim();

      if (fragments[curr].length() != 0)
        curr++;

      if (i + 1 < fragments.length)
        fragments[curr] = fragments[i + 1];
    }
  }

  if (matched) { 
    return Arrays.copyOf(fragments, curr);
  }

  return null; // Parameter failure (double-quotes do not match up properly).
}

用于比较的样本输入：

"sdfskjf" sdfjkhsd "hfrif ehref" "fksdfj sdkfj fkdsjf" sdf sfssd


asjdhj    sdf ffhj "fdsf   fsdjh"
日本語　中文 "Tiếng Việt" "English"
    dsfsd    
   sdf     " s dfs    fsd f   "  sd f   fs df  fdssf  "日本語　中文"
""   ""     ""
"   sdfsfds "   "f fsdf

（第2行为空，第3行为空格，最后一行为格式错误）。 请根据您自己的预期输出判断，因为它可能会有所不同，但基线是这样，第一种情况应该返回[sdfskjf，sdfjkhsd，hfrif ehref，fksdfj sdkfj fkdsjf，sdf，sfssd]。