web-dev-qa-db-ja.com

引用符の外側のコンマで分割

私のプログラムはファイルから行を読み取ります。この行には、次のようなコンマ区切りテキストが含まれています。

_123,test,444,"don't split, this",more test,1
_

分割の結果は次のようになります。

_123
test
444
"don't split, this"
more test
1
_

String.split(",")を使用すると、次のようになります：

_123
test
444
"don't split
 this"
more test
1
_

つまり、サブストリング_"don't split, this"_のコンマはセパレーターではありません。これに対処するには？

事前に感謝します。

javaregexstringsplit
46
Jakob Mathiasen

この正規表現を試すことができます：

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

これにより、,の文字列が分割され、その後に偶数個の二重引用符が続きます。つまり、二重引用符の外側のコンマで分割されます。これは、文字列に引用符のバランスが取れていれば機能します。

説明：

,           // Split on comma
(?=         // Followed by
   (?:      // Start a non-capture group
     [^"]*  // 0 or more non-quote characters
     "      // 1 quote
     [^"]*  // 0 or more non-quote characters
     "      // 1 quote
   )*       // 0 or more repetition of non-capture group (multiple of 2 quotes will be even)
   [^"]*    // Finally 0 or more non-quotes
   $        // Till the end  (This is necessary, else every comma will satisfy the condition)
)

正規表現で(?x)修飾子を使用して、コードに次のように入力することもできます。修飾子は正規表現の空白を無視するため、次のように複数行に分割された正規表現を読みやすくなります。

String[] arr = str.split("(?x)   " + 
                     ",          " +   // Split on comma
                     "(?=        " +   // Followed by
                     "  (?:      " +   // Start a non-capture group
                     "    [^\"]* " +   // 0 or more non-quote characters
                     "    \"     " +   // 1 quote
                     "    [^\"]* " +   // 0 or more non-quote characters
                     "    \"     " +   // 1 quote
                     "  )*       " +   // 0 or more repetition of non-capture group (multiple of 2 quotes will be even)
                     "  [^\"]*   " +   // Finally 0 or more non-quotes
                     "  $        " +   // Till the end  (This is necessary, else every comma will satisfy the condition)
                     ")          "     // End look-ahead
                         );
102
Rohit Jain

マッチできるのになぜ分割するのですか？

なんらかの理由で簡単な解決策が言及されなかったため、この質問を復活させました。美しくコンパクトな正規表現を次に示します。

"[^"]*"|[^,]+

これは、必要なすべてのフラグメントに一致します（ デモを参照 ）。

説明

  • "[^"]*"、完全一致"double-quoted strings"
  • または|
  • 一致する[^,]+コンマではない任意の文字。

可能な改良点は、引用の文字列にエスケープされた引用が含まれるように、代替の文字列側を改善することです。

11
zx81

複雑な正規表現なしでこれを非常に簡単に行うことができます。

  1. 文字"で分割します。文字列のリストを取得します
  2. リスト内の各文字列を処理します：リスト内の偶数位置にあるすべての文字列を分割し（ゼロからインデックス付けを開始）、「」（リスト内にリストを取得します）、すべての奇数位置の文字列をそのままにします（直接入力します）リスト内のリスト）。
  3. リストのリストに参加して、リストのみを取得します。

'"'のクォートを処理する場合は、アルゴリズムを少し調整する必要があります（一部を結合し、誤って分割するか、分割を単純な正規表現に変更します）が、基本構造はそのままです。

したがって、基本的には次のようなものです。

public class SplitTest {
    public static void main(String[] args) {
        final String splitMe="123,test,444,\"don't split, this\",more test,1";
        final String[] splitByQuote=splitMe.split("\"");
        final String[][] splitByComma=new String[splitByQuote.length][];
        for(int i=0;i<splitByQuote.length;i++) {
            String part=splitByQuote[i];
            if (i % 2 == 0){
               splitByComma[i]=part.split(",");
            }else{
                splitByComma[i]=new String[1];
                splitByComma[i][0]=part;
            }
        }
        for (String parts[] : splitByComma) {
            for (String part : parts) {
                System.out.println(part);
            }
        }
    }
}

これは、ラムダを使用するとはるかにクリーンになります。

2
stefan.schwetschke

@ zx81の答えに基づいて、一致するアイデアは本当に素晴らしいです、私はJava 9results呼び出しを追加しました。 Stream。 OPはsplitを使用したかったので、splitのように_String[]_に集めました。

カンマ区切り記号の後にスペースがある場合の注意（_a, b, "c,d"_）。次に、パターンを変更する必要があります。

Jshellデモ

_$ jshell
-> String so = "123,test,444,\"don't split, this\",more test,1";
|  Added variable so of type String with initial value "123,test,444,"don't split, this",more test,1"

-> Pattern.compile("\"[^\"]*\"|[^,]+").matcher(so).results();
|  Expression value is: Java.util.stream.ReferencePipeline$Head@2038ae61
|    assigned to temporary variable $68 of type Java.util.stream.Stream<MatchResult>

-> $68.map(MatchResult::group).toArray(String[]::new);
|  Expression value is: [Ljava.lang.String;@6b09bb57
|    assigned to temporary variable $69 of type String[]

-> Arrays.stream($69).forEach(System.out::println);
123
test
444
"don't split, this"
more test
1
_

コード

_String so = "123,test,444,\"don't split, this\",more test,1";
Pattern.compile("\"[^\"]*\"|[^,]+")
    .matcher(so)
    .results()
    .map(MatchResult::group)
    .toArray(String[]::new);
_

説明

  1. 正規表現_[^"]_は一致します：引用、引用以外のすべて、引用。
  2. 正規表現_[^"]*_は一致します：引用、引用以外の何回も0（またはそれ以上）回、引用。
  3. その正規表現は最初に「win」に進む必要があります。そうでない場合は、コンマ以外の1回以上-つまり：_[^,]+_-「win」に一致します。
  4. results()にはJava 9以上が必要です。
  5. _Stream<MatchResult>_を返します。これは、group()呼び出しを使用してマップし、文字列の配列に収集します。パラメータのないtoArray()呼び出しは_Object[]_を返します。
1
LIttle Ancient Forest Kami

以下のコードスニペットをご覧ください。このコードは、ハッピーフローのみを考慮しています。要件に応じて変更します

public static String[] splitWithEscape(final String str, char split,
        char escapeCharacter) {
    final List<String> list = new LinkedList<String>();

    char[] cArr = str.toCharArray();

    boolean isEscape = false;
    StringBuilder sb = new StringBuilder();

    for (char c : cArr) {
        if (isEscape && c != escapeCharacter) {
            sb.append(c);
        } else if (c != split && c != escapeCharacter) {
            sb.append(c);
        } else if (c == escapeCharacter) {
            if (!isEscape) {
                isEscape = true;
                if (sb.length() > 0) {
                    list.add(sb.toString());
                    sb = new StringBuilder();
                }
            } else {
                isEscape = false;
            }

        } else if (c == split) {
            list.add(sb.toString());
            sb = new StringBuilder();
        }
    }

    if (sb.length() > 0) {
        list.add(sb.toString());
    }

    String[] strArr = new String[list.size()];

    return list.toArray(strArr);
}
0
Abhijith Nagarajan