我有一个这样的字符串:
foo,bar,c;qual="baz,blurb",d;junk="quux,syzygy"
我想用逗号分隔，但我需要忽略引号中的逗号。我该怎么做呢?regexp方法似乎失败了;我想我可以手动扫描，并在看到报价时进入不同的模式，但如果使用已有的库就更好了。(编辑:我想我指的是已经是JDK的一部分或者已经是Apache Commons等常用库的一部分的库。)
上面的字符串应该分成:
foo
bar
c;qual="baz,blurb"
d;junk="quux,syzygy"
注意:这不是一个CSV文件，它是一个包含在一个更大的整体结构文件中的单个字符串
当前回答
我不建议Bart给出正则表达式的答案，我发现在这种特殊情况下解析解决方案更好(就像Fabian提出的那样)。我已经尝试过正则表达式解决方案和自己的解析实现，我发现:
解析比使用带反向引用的regex进行拆分要快得多——短字符串快20倍，长字符串快40倍。 正则表达式无法在最后一个逗号后找到空字符串。这不是最初的问题，这是我的要求。
下面是我的解决方案和测试。
String tested = "foo,bar,c;qual=\"baz,blurb\",d;junk=\"quux,syzygy\",";
long start = System.nanoTime();
String[] tokens = tested.split(",(?=([^\"]*\"[^\"]*\")*[^\"]*$)");
long timeWithSplitting = System.nanoTime() - start;
start = System.nanoTime();
List<String> tokensList = new ArrayList<String>();
boolean inQuotes = false;
StringBuilder b = new StringBuilder();
for (char c : tested.toCharArray()) {
switch (c) {
case ',':
if (inQuotes) {
b.append(c);
} else {
tokensList.add(b.toString());
b = new StringBuilder();
}
break;
case '\"':
inQuotes = !inQuotes;
default:
b.append(c);
break;
}
}
tokensList.add(b.toString());
long timeWithParsing = System.nanoTime() - start;
System.out.println(Arrays.toString(tokens));
System.out.println(tokensList.toString());
System.out.printf("Time with splitting:\t%10d\n",timeWithSplitting);
System.out.printf("Time with parsing:\t%10d\n",timeWithParsing);
当然，如果你对它的丑陋感到不舒服，你可以自由地在这个代码片段中切换到else-if。注意在使用分离器开关后没有中断。选择StringBuilder代替StringBuffer是为了提高速度，而线程安全是无关紧要的。
其他回答
与其使用超前和其他疯狂的正则表达式，不如先取出引号。也就是说，对于每个引号分组，将该分组替换为__IDENTIFIER_1或其他指示符，并将该分组映射为string,string的映射。
在使用逗号分隔之后，将所有映射的标识符替换为原始字符串值。
我没有耐心，没有选择等待答案。作为参考，它看起来并不难做这样的事情(这适用于我的应用程序，我不需要担心转义引号，因为引号中的东西仅限于几个约束形式):
final static private Pattern splitSearchPattern = Pattern.compile("[\",]");
private List<String> splitByCommasNotInQuotes(String s) {
if (s == null)
return Collections.emptyList();
List<String> list = new ArrayList<String>();
Matcher m = splitSearchPattern.matcher(s);
int pos = 0;
boolean quoteMode = false;
while (m.find())
{
String sep = m.group();
if ("\"".equals(sep))
{
quoteMode = !quoteMode;
}
else if (!quoteMode && ",".equals(sep))
{
int toPos = m.start();
list.add(s.substring(pos, toPos));
pos = m.end();
}
}
if (pos < s.length())
list.add(s.substring(pos));
return list;
}
(读者练习:也可以通过寻找反斜杠来处理转义引号。)
最简单的方法是不匹配分隔符，即逗号，使用复杂的附加逻辑来匹配实际需要的内容(可能是带引号的字符串的数据)，只是为了排除错误的分隔符，而是首先匹配所需的数据。
该模式由两个选项组成，一个带引号的字符串("[^"]*"或".*?")或下一个逗号前的所有内容([^，]+)。为了支持空单元格，我们必须允许未加引号的项为空，并使用下一个逗号(如果有的话)，并使用\\G锚点:
Pattern p = Pattern.compile("\\G\"(.*?)\",?|([^,]*),?");
该模式还包含两个捕获组，用于获取带引号的字符串的内容或普通内容。
然后，在Java 9中，我们可以得到一个数组为
String[] a = p.matcher(input).results()
.map(m -> m.group(m.start(1)<0? 2: 1))
.toArray(String[]::new);
而旧的Java版本需要像这样的循环
for(Matcher m = p.matcher(input); m.find(); ) {
String token = m.group(m.start(1)<0? 2: 1);
System.out.println("found: "+token);
}
将项添加到List或数组中是留给阅读器的附加工作。
对于Java 8，您可以使用这个答案的results()实现，就像Java 9解决方案一样。
对于包含嵌入字符串的混合内容，就像问题中那样，您可以简单地使用
Pattern p = Pattern.compile("\\G((\"(.*?)\"|[^,])*),?");
但是，字符串以引号形式保存。
http://sourceforge.net/projects/javacsv/
https://github.com/pupi1985/JavaCSV-Reloaded (前一个库的分支，它将允许生成的输出在不运行Windows时具有Windows行结束符\r\n)
http://opencsv.sourceforge.net/
适用于Java的CSV API
你能推荐一个用于读取(可能是写入)CSV文件的Java库吗?
Java库或应用程序转换CSV到XML文件?
您正处于一个恼人的边界区域，regexp几乎不起作用(正如Bart所指出的，转义引号会使生活变得困难)，然而一个成熟的解析器似乎有点过头了。
如果您可能需要更大的复杂性，我会去寻找一个解析器库。比如这个
