用于拆分由|分隔的字符串的正则表达式 当没有用双引号括起来时

Question

我需要一个正则表达式来计算java中管道分隔字符串中的列数。 列数据将始终用双引号括起来，否则将为空。

例如：

"1234"|"Name"||"Some description with ||| in it"|"Last Column"

以上内容应计为5列，包括“名称”列后的一列空列。

谢谢

Answer 1

这是一种方法：

String input =
    "\"1234\"|\"Name\"||\"Some description with ||| in it\"|\"Last Column\"";
//  \_______/ \______/\/\_________________________________/ \_____________/    
//      1        2    3                 4                          5

int cols = input.replaceAll("\"[^\"]*\"", "")  // remove "..."
                .replaceAll("[^|]", "")        // remove anything else than |
                .length() + 1;                 // Count the remaining |, add 1

System.out.println(cols);   // 5

IMO虽然不是很强大。 例如，如果您计划处理转义引号，我建议不要使用正则表达式。

Answer 2

稍微改进了aioobe答案中的表达：

int cols = input.replaceAll("\"(?:[^\"\\]+|\\.)*\"|[^|]+", "")
                .length() + 1;

处理引号中的转义，并使用单个表达式删除除分隔符之外的所有内容。

Answer 3

这是我用了一段时间的正则表达式，它还处理转义的引号和转义的分隔符 。 它可能对您的要求（计数列）有点过分，但也许它将帮助您或将来的其他人进行解析。

(?<=^|(?<!\\)\|)(\".*?(?<=[^\\])\"|.*?(?<!\\(?=\|))(?=")?|)(?=\||$)

and broken down as:
(?<=^|(?<!\\)\|)             // look behind to make sure the token starts with the start anchor (first token) or a delimiter (but not an escaped delimiter)
(                            // start of capture group 1
  \".*?(?<=[^\\])\"          //   a token bounded by quotes
  |                          //   OR
  .*?(?<!\\(?=\|))(?=")?     //   a token not bounded by quotes, any characters up to the delimiter (unless escaped)
  |                          //   OR
                             //   empty token
)                            // end of capture group 1
(?=\||$)                     // look ahead to make sure the token is followed by either a delimiter or the end anchor (last token)

when you actually use it it'll have to be escaped as:
(?<=^|(?<!\\\\)\\|)(\\\".*?(?<=[^\\\\])\\\"|.*?(?<!\\\\(?=\\|))(?=\")?|)(?=\\||$)

这很复杂，但是有这种疯狂的方法：如果在行的开头或结尾的列是空的，分隔的引号在奇数位置，行或列以转义开始或结束，我搜索的其他正则表达式将会失败分隔符，以及一堆其他边缘情况。

您使用管道作为分隔符的事实使得此正则表达式更难以阅读/理解。 提示是你自己看到一个管道“|”，它是正则表达式中的一个条件OR，当它被转义为“\\ |”时，它就是你的分隔符。