正则表达的麻烦,逃脱报价

Question

基本上,我正在传递一个字符串,我需要以与命令行选项由*nix shell标记的方式相同的方式对其进行标记.

说我有以下字符串

"Hello\" World" "Hello Universe" Hi

我怎么能把它变成3元素列表

• 你好,世界
• 你好宇宙
• 你好

以下是我的第一次尝试,但它有很多问题

• 它留下了引号字符
• 它没有抓住逃脱的报价

码:

public void test() {
    String str = "\"Hello\\\" World\" \"Hello Universe\" Hi";
    List<String> list = split(str);
}

public static List<String> split(String str) {
    Pattern pattern = Pattern.compile(
        "\"[^\"]*\"" + /* double quoted token*/
        "|'[^']*'" + /*single quoted token*/
        "|[A-Za-z']+" /*everything else*/
    );

    List<String> opts = new ArrayList<String>();
    Scanner scanner = new Scanner(str).useDelimiter(pattern);

    String token;
    while ((token = scanner.findInLine(pattern)) != null) {
        opts.add(token);
    }
    return opts;
}

所以下面代码的错误输出是

• "你好\"
• 世界
• ""
• 你好
• 宇宙
• 你好

编辑我对非正则表达式解决方案完全开放.这只是我想到的第一个解决方案

Answer 1

如果您决定放弃正则表达式并进行解析，则有几种选择。如果您愿意只使用双引号或单引号（但不能同时使用两者）作为引用，那么您可以使用 StreamTokenizer 轻松解决此问题：

public static List<String> tokenize(String s) throws IOException {
    List<String> opts = new ArrayList<String>();
    StreamTokenizer st = new StreamTokenizer(new StringReader(s));
    st.quoteChar('\"');
    while (st.nextToken() != StreamTokenizer.TT_EOF) {
        opts.add(st.sval);
    }

    return opts;
}

如果您必须支持两个引号，这里有一个应该可行的简单实现（请注意，像 '"blah \" blah"blah' 这样的字符串将产生类似 'blah " blahblah' 的内容。如果这不行，您将需要进行一些更改）：

   public static List<String> splitSSV(String in) throws IOException {
        ArrayList<String> out = new ArrayList<String>();

        StringReader r = new StringReader(in);
        StringBuilder b = new StringBuilder();
        int inQuote = -1;
        boolean escape = false;
        int c;
        // read each character
        while ((c = r.read()) != -1) {
            if (escape) {  // if the previous char is escape, add the current char
                b.append((char)c);
                escape = false;
                continue;
            }
            switch (c) {
            case '\\':   // deal with escape char
                escape = true;
                break;
            case '\"':
            case '\'':  // deal with quote chars
                if (c == '\"' || c == '\'') {
                    if (inQuote == -1) {  // not in a quote
                        inQuote = c;  // now we are
                    } else {
                        inQuote = -1;  // we were in a quote and now we aren't
                    }
                }
                break;
            case ' ':
                if (inQuote == -1) {  // if we aren't in a quote, then add token to list
                    out.add(b.toString());
                    b.setLength(0);
                } else {
                    b.append((char)c); // else append space to current token
                }
                break;
            default:
                b.append((char)c);  // append all other chars to current token
            }
        }
        if (b.length() > 0) {
            out.add(b.toString()); // add final token to list
        }
        return out;
    }