從逗號分割時逃離英寸符號

Question

我有一個CSV分隔符和以下正則表達式，用逗號分割字符串。

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

它的工作原理至今絃樂像123, "foo", "bar", "no, split, here"但是當它遇到英寸符號（「），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

希望有人能爲此提供解決方案。謝謝。

Answer 1

這裏有幾點意見：

1. 您應該使用現有的CSV處理庫，而不是使用正則表達式創建自己的CSV處理庫。有很多Java可用，請參閱this question作爲起點。這是一個解決的問題;沒有理由重新創造它。

2. 您提到的情況將是無效*數據。報價應該在一個字符串中轉義，通常使用兩個引號。有一個非轉義報價使得文件無效;而且一旦出現這類錯誤，通常沒有可靠的方法來告訴文件「應該」。該怎麼辦：

   • 如果該文件在您的控制範圍內，請進行更正。在字符串中使用標準轉義格式作爲引號。
   • 如果該文件不在您的控制範圍內，則應該單獨處理錯誤，而不是將其包括在覈心處理中。對文件進行預處理以查找錯誤，或者使用CSV庫中的可用錯誤處理對具有不正確格式的行進行操作。如果錯誤僅限於您提前知道的可預見問題，您可能可以糾正它們。但是在大多數情況下，這樣的錯誤會導致你不得不拒絕這些行。

*技術上不存在CSV標準，所以任何事情都會發生。但是，這將是任何合理格式的數據錯誤。在現實世界中，這幾乎總是會發生，因爲有人沒有考慮過文件格​​式，也不是因爲他們故意以這種方式進行計劃。

Answer 2

這裏有什麼是CSV的不尋常的方言。

雖然爲CSV沒有正式的標準，有廣泛的兩種方法來報價：

1. 行情並不特殊。即：7" single, 12" album是兩項：7" single和12" album。在這種方言中，含有,的物品存在問題。
2. 行情很特別。即："you, me","me you"是兩項：you, me和me, you。在這種方言中，您可以在條目周圍添加引號，以便在條目中有,。但是，它會使包含"的項目出現問題，就像您發現的那樣。

典型的回答在第二種方法的"問題，是逃生報價。所以項目7" single將在CSV中顯示爲"7\" single"。這當然意味着\成爲一個問題，但這很容易以同樣的方式解決。 AC\DC 7" single在CSV中顯示爲"AC\\DC 7\" single"。

如果您可以採用這些傳統方法之一，那就這樣做。然後，您可以使用現有的CSV庫，也可以推出自己的CSV庫。儘管正則表達式可以使用這些格式，但我的觀點是，它不是編寫代碼以使用CSV的最清晰的方式：我發現更清晰的狀態機（例如switch (state)語句）很好，很清晰。

如果你不能改變你的輸入格式，你必須解決的難題是，當你遇到一個"時，它是一個元字符（圍繞一個項目的一對引號的一部分）還是真實的字符項目的一部分？

作爲格式的所有者，由您決定規則是什麼。也許"只應該被認爲是一個元字符，如果它旁邊,。

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

所以，你必須拿出自己的規則，即工作您的域，並明確寫代碼來處理這種情況：但是，即使你讓報價，不帶引號的物品的混合物引起的問題。一種方法是將輸入預處理爲規範化的CSV，以便它再次適用於傳統的CSV分析器。