从逗号分割时逃离英寸符号

Question

我有一个CSV分隔符和以下正则表达式，用逗号分割字符串。

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

它的工作原理至今弦乐像123, "foo", "bar", "no, split, here"但是当它遇到英寸符号（“），如下面的它不能做的分裂。

"123, 1.0" xyz" 

我需要它分成123和1.0" xyz

希望有人能为此提供解决方案。谢谢。

Answer 1

这里有几点意见：

1. 您应该使用现有的CSV处理库，而不是使用正则表达式创建自己的CSV处理库。有很多Java可用，请参阅this question作为起点。这是一个解决的问题;没有理由重新创造它。

2. 您提到的情况将是无效*数据。报价应该在一个字符串中转义，通常使用两个引号。有一个非转义报价使得文件无效;而且一旦出现这类错误，通常没有可靠的方法来告诉文件“应该”。该怎么办：

   • 如果该文件在您的控制范围内，请进行更正。在字符串中使用标准转义格式作为引号。
   • 如果该文件不在您的控制范围内，则应该单独处理错误，而不是将其包括在核心处理中。对文件进行预处理以查找错误，或者使用CSV库中的可用错误处理对具有不正确格式的行进行操作。如果错误仅限于您提前知道的可预见问题，您可能可以纠正它们。但是在大多数情况下，这样的错误会导致你不得不拒绝这些行。

*技术上不存在CSV标准，所以任何事情都会发生。但是，这将是任何合理格式的数据错误。在现实世界中，这几乎总是会发生，因为有人没有考虑过文件格​​式，也不是因为他们故意以这种方式进行计划。

Answer 2

这里有什么是CSV的不寻常的方言。

虽然为CSV没有正式的标准，有广泛的两种方法来报价：

1. 行情并不特殊。即：7" single, 12" album是两项：7" single和12" album。在这种方言中，含有,的物品存在问题。
2. 行情很特别。即："you, me","me you"是两项：you, me和me, you。在这种方言中，您可以在条目周围添加引号，以便在条目中有,。但是，它会使包含"的项目出现问题，就像您发现的那样。

典型的回答在第二种方法的"问题，是逃生报价。所以项目7" single将在CSV中显示为"7\" single"。这当然意味着\成为一个问题，但这很容易以同样的方式解决。 AC\DC 7" single在CSV中显示为"AC\\DC 7\" single"。

如果您可以采用这些传统方法之一，那就这样做。然后，您可以使用现有的CSV库，也可以推出自己的CSV库。尽管正则表达式可以使用这些格式，但我的观点是，它不是编写代码以使用CSV的最清晰的方式：我发现更清晰的状态机（例如switch (state)语句）很好，很清晰。

如果你不能改变你的输入格式，你必须解决的难题是，当你遇到一个"时，它是一个元字符（围绕一个项目的一对引号的一部分）还是真实的字符项目的一部分？

作为格式的所有者，由您决定规则是什么。也许"只应该被认为是一个元字符，如果它旁边,。

"A Town Called Malice", The Jam, 7", £6.99 

所以，你必须拿出自己的规则，即工作您的域，并明确写代码来处理这种情况：但是，即使你让报价，不带引号的物品的混合物引起的问题。一种方法是将输入预处理为规范化的CSV，以便它再次适用于传统的CSV分析器。