web-dev-qa-db-ja.com

エスケープされたコンマを無視して、コンマ区切りの文字列を分割する方法は？

追加のパラメーター（エスケープ文字）を取得するStringUtils.commaDelimitedListToStringArray関数の拡張バージョンを作成する必要があります。

だから私を呼ぶ：

commaDelimitedListToStringArray("test,test\\,test\\,test,test", "\\")

返す必要があります：

["test", "test,test,test", "test"]



私の現在の試みは、正規表現を使用してString.split（）を使用して文字列を分割することです：

String[] array = str.split("[^\\\\],");

しかし、返される配列は次のとおりです。

["tes", "test\,test\,tes", "test"]

何か案は？

javaregexcsv
26
arturh

正規表現

[^\\],

「バックスラッシュではなくコンマが続く文字に一致する」ことを意味します。tはバックスラッシュではない文字であるため、t,などのパターンが一致するのはこのためです。

前の文字をキャプチャせずに,の前にない\をキャプチャするには、次のような negative lookbehind を使用する必要があると思います。

(?<!\\),

（ところで、これを読みやすくするためにバックスラッシュを意図的に二重にエスケープしていないことに注意してください）

32
matt b

試してください：

String array[] = str.split("(?<!\\\\),");

基本的にこれは、コンマの前に2つのバックスラッシュが付いている場合を除いて、コンマで分割することです。これは 負の後ろ向きゼロ幅アサーション と呼ばれます。

30
cletus

将来の参考のために、ここに私が終わった完全な方法があります：

public static String[] commaDelimitedListToStringArray(String str, String escapeChar) {
    // these characters need to be escaped in a regular expression
    String regularExpressionSpecialChars = "/.*+?|()[]{}\\";

    String escapedEscapeChar = escapeChar;

    // if the escape char for our comma separated list needs to be escaped 
    // for the regular expression, escape it using the \ char
    if(regularExpressionSpecialChars.indexOf(escapeChar) != -1) 
        escapedEscapeChar = "\\" + escapeChar;

    // see http://stackoverflow.com/questions/820172/how-to-split-a-comma-separated-string-while-ignoring-escaped-commas
    String[] temp = str.split("(?<!" + escapedEscapeChar + "),", -1);

    // remove the escapeChar for the end result
    String[] result = new String[temp.length];
    for(int i=0; i<temp.length; i++) {
        result[i] = temp[i].replaceAll(escapedEscapeChar + ",", ",");
    }

    return result;
}
6
arturh

マットbが言ったように、[^\\],はコンマの前の文字を区切り文字の一部として解釈します。

"test\\\\\\,test\\\\,test\\,test,test"
  -(split)->
["test\\\\\\,test\\\\,test\\,tes" , "test"]

Drvdijkが言ったように、(?<!\\),はエスケープされたバックスラッシュを誤って解釈します。

"test\\\\\\,test\\\\,test\\,test,test"
  -(split)->
["test\\\\\\,test\\\\,test\\,test" , "test"]
  -(unescape commas)->
["test\\\\,test\\,test,test" , "test"]

バックスラッシュもエスケープできると思います...

"test\\\\\\,test\\\\,test\\,test,test"
  -(split)->
["test\\\\\\,test\\\\" , "test\\,test" , "test"]
  -(unescape commas and backslashes)->
["test\\,test\\" , "test,test" , "test"]

drvdijkは(?<=(?<!\\\\)(\\\\\\\\){0,100}),を提案しました。これは、要素が最大100個のバックスラッシュで終わるリストに適しています。これで十分です...しかし、なぜ制限なのですか？より効率的な方法はありますか（貪欲の後ろにありません）？無効な文字列はどうですか？

一般的な解決策を探してしばらく探してから、自分で書きました...アイデアは、リストの要素に一致するパターンに従って分割することです（区切り文字に一致するのではなく）。

私の答えは、エスケープ文字をパラメーターとして取りません。

public static List<String> commaDelimitedListStringToStringList(String list) {
    // Check the validity of the list
    // ex: "te\\st" is not valid, backslash should be escaped
    if (!list.matches("^(([^\\\\,]|\\\\,|\\\\\\\\)*(,|$))+")) {
        // Could also raise an exception
        return null;
    }
    // Matcher for the list elements
    Matcher matcher = Pattern
            .compile("(?<=(^|,))([^\\\\,]|\\\\,|\\\\\\\\)*(?=(,|$))")
            .matcher(list);
    ArrayList<String> result = new ArrayList<String>();
    while (matcher.find()) {
        // Unescape the list element
        result.add(matcher.group().replaceAll("\\\\([\\\\,])", "$1"));
    }
    return result;
}

パターンの説明（エスケープなし）：

(?<=(^|,)) forwardは文字列の始まりまたは,

([^\\,]|\\,|\\\\)*\,、\\、または\でも,でもない文字で構成される要素

(?=(,|$))の後ろは文字列の終わりまたは,です

パターンは簡略化される場合があります。

3つの解析（matches + find + replaceAll）を使用しても、この方法はdrvdijkが提案する方法よりも高速に見えます。それでも、特定のパーサーを作成することで最適化できます。

また、特殊文字が1つだけの場合、エスケープ文字を使用する必要性は何ですか？.

public static List<String> commaDelimitedListStringToStringList2(String list) {
    if (!list.matches("^(([^,]|,,)*(,|$))+")) {
        return null;
    }
    Matcher matcher = Pattern.compile("(?<=(^|,))([^,]|,,)*(?=(,|$))")
                    .matcher(list);
    ArrayList<String> result = new ArrayList<String>();
    while (matcher.find()) {
        result.add(matcher.group().replaceAll(",,", ","));
    }
    return result;
}
2
boumbh