在java中使用RegEx解析CSV输入

Question

我知道,现在我有两个问题.但我很开心!

我从这个建议开始不尝试拆分,而是匹配什么是可接受的字段,并从那里扩展到这个表达式.

final Pattern pattern = Pattern.compile("\"([^\"]*)\"|(?<=,|^)([^,]*)(?=,|$)");

表达式看起来像没有恼人的转义引号:

"([^"]*)"|(?<=,|^)([^,]*)(?=,|$)

这对我来说效果很好 - 或者它匹配"两个引号和它们之间的任何东西",或者"行开头或逗号和行尾或逗号之间的东西".通过匹配迭代可以获得所有字段,即使它们是空的.例如,

the quick, "brown, fox jumps", over, "the",,"lazy dog"

分解成

the quick
"brown, fox jumps"
over
"the"

"lazy dog"

大!现在我想删除引号,所以我添加了前瞻和后瞻性非捕获组,就像我为逗号做的那样.

final Pattern pattern = Pattern.compile("(?<=\")([^\"]*)(?=\")|(?<=,|^)([^,]*)(?=,|$)");

再次表达的是:

(?<=")([^"]*)(?=")|(?<=,|^)([^,]*)(?=,|$)

而不是期望的结果

the quick
brown, fox jumps
over
the

lazy dog

现在我得到了这个细分:

the quick
"brown
 fox jumps"
,over,
"the"
,,
"lazy dog"

我错过了什么？

Answer 1

运算符优先级.基本上没有.这一切都是从左到右.所以or(|)适用于结束引用前瞻和逗号前瞻

尝试:

(?:(?<=")([^"]*)(?="))|(?<=,|^)([^,]*)(?=,|$)

Answer 2

(?:^|,)\s*(?:(?:(?=")"([^"].*?)")|(?:(?!")(.*?)))(?=,|$)

这应该做你想要的.

说明:

(?:^|,)\s*

模式应该以字符串或字符串的开头开头.另外,忽略开头的所有空格.

Lookahead并查看其余部分是否以引号开头

(?:(?=")"([^"].*?)")

如果确实如此,则非贪婪地匹配到下一个引用.

(?:(?!")(.*?))

如果它不以引号开头,则匹配非贪婪直到下一个逗号或字符串结尾.

(?=,|$)

模式应以逗号或字符串结尾结尾.