我隐约有这样的字符串：
foo,bar,c;qual="baz,blurb",d;junk="quux,syzygy"我想按逗号分割-但我需要忽略引号中的逗号。我怎样才能做到这一点？似乎正则表达式方法失败了。我想我可以在看到报价时手动扫描并进入其他模式，但是使用预先存在的库会很好。（编辑：我想我的意思是那些已经属于JDK或已经属于诸如Apache Commons之类的常用库的库。）
上面的字符串应分为：
foo
bar
c;qual="baz,blurb"
d;junk="quux,syzygy"
注意：这不是CSV文件，它是文件中包含的单个字符串，具有较大的整体结构
Answers:
尝试：
public class Main {
public static void main(String[] args) {
String line = "foo,bar,c;qual=\"baz,blurb\",d;junk=\"quux,syzygy\"";
String[] tokens = line.split(",(?=(?:[^\"]*\"[^\"]*\")*[^\"]*$)", -1);
for(String t : tokens) {
System.out.println("> "+t);
}
}
}
输出：
> foo
> bar
> c;qual="baz,blurb"
> d;junk="quux,syzygy"
换句话说：仅当逗号逗号为零或引号是偶数时，才对逗号进行分割。
或者，对眼睛有点友好：
public class Main {
public static void main(String[] args) {
String line = "foo,bar,c;qual=\"baz,blurb\",d;junk=\"quux,syzygy\"";
String otherThanQuote = " [^\"] ";
String quotedString = String.format(" \" %s* \" ", otherThanQuote);
String regex = String.format("(?x) "+ // enable comments, ignore white spaces
", "+ // match a comma
"(?= "+ // start positive look ahead
" (?: "+ // start non-capturing group 1
" %s* "+ // match 'otherThanQuote' zero or more times
" %s "+ // match 'quotedString'
" )* "+ // end group 1 and repeat it zero or more times
" %s* "+ // match 'otherThanQuote'
" $ "+ // match the end of the string
") ", // stop positive look ahead
otherThanQuote, quotedString, otherThanQuote);
String[] tokens = line.split(regex, -1);
for(String t : tokens) {
System.out.println("> "+t);
}
}
}
其结果与第一个示例相同。
正如@MikeFHay在评论中提到的：
我更喜欢使用Guava的Splitter，因为它的默认值更合理（请参见上面有关用修饰的空匹配的讨论
String#split()，所以我这样做了：Splitter.on(Pattern.compile(",(?=(?:[^\"]*\"[^\"]*\")*[^\"]*$)"))
-1到split方法param中line.split(regex, -1)。请参阅：docs.oracle.com/javase/6/docs/api/java/lang/…–
Splitter.on(Pattern.compile(",(?=([^\"]*\"[^\"]*\")*[^\"]*$)"))。
findAllIn("(?s)(?:\".*?\"|[^\",]*)*")结合后处理步骤，以跳过每个非空字段之后的第一个（始终为空）字段。
尽管我确实喜欢一般的正则表达式，但是对于这种与状态相关的标记化，我相信一个简单的解析器（在这种情况下，比那个单词听起来简单得多）可能是一种更干净的解决方案，尤其是在可维护性方面，例如：
String input = "foo,bar,c;qual=\"baz,blurb\",d;junk=\"quux,syzygy\"";
List<String> result = new ArrayList<String>();
int start = 0;
boolean inQuotes = false;
for (int current = 0; current < input.length(); current++) {
if (input.charAt(current) == '\"') inQuotes = !inQuotes; // toggle state
boolean atLastChar = (current == input.length() - 1);
if(atLastChar) result.add(input.substring(start));
else if (input.charAt(current) == ',' && !inQuotes) {
result.add(input.substring(start, current));
start = current + 1;
}
}
如果您不关心在引号中保留逗号，则可以通过用其他方式替换引号中的逗号，然后在逗号处进行分割来简化此方法（不处理起始索引，不使用最后一个字符的特殊情况）。
String input = "foo,bar,c;qual=\"baz,blurb\",d;junk=\"quux,syzygy\"";
StringBuilder builder = new StringBuilder(input);
boolean inQuotes = false;
for (int currentIndex = 0; currentIndex < builder.length(); currentIndex++) {
char currentChar = builder.charAt(currentIndex);
if (currentChar == '\"') inQuotes = !inQuotes; // toggle state
if (currentChar == ',' && inQuotes) {
builder.setCharAt(currentIndex, ';'); // or '♡', and replace later
}
}
List<String> result = Arrays.asList(builder.toString().split(","));
http://sourceforge.net/projects/javacsv/
https://github.com/pupi1985/JavaCSV-Reloaded
（以前的库的分支，\r\n当不运行Windows时，将允许生成的输出具有Windows行终止符）
我不建议Bart提供正则表达式的答案，我发现在这种特殊情况下解析解决方案更好（如Fabian所建议）。我试过正则表达式解决方案和自己的解析实现，发现：
我的解决方案和测试如下。
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，如果您对它的丑陋感不满意，可以随意切换到本片段中的else-ifs。请注意，然后在使用隔离器切换后，请确保其不中断。为了提高速度，在设计中将StringBuilder选择为StringBuffer而不是StringBuffer，而线程安全无关紧要。
-1在Bart的答案中向split方法添加a ，则将捕获空字符串（包括最后一个逗号之后的空字符串）：line.split(regex, -1)
我很急躁，选择不等待答案...做这样的事情看起来并不难（这对我的应用程序有效，我不必担心转义的引号，因为引号中的内容仅限于一些约束形式）：
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;
}
（针对读者的练习：扩展到通过查找反斜杠来处理转义的引号。）
最简单的方法是不使用复杂的附加逻辑来匹配定界符（即逗号），以匹配实际意图（可能用引号引起来的数据），而只是排除错误的定界符，而是首先匹配预期的数据。
该模式由两个选择组成，一个带引号的字符串（"[^"]*"或".*?"）或直到下一个逗号（[^,]+）的所有内容。为了支持空单元格，我们必须允许未引用的项目为空，并使用下一个逗号（如果有），并使用\\G定位符：
Pattern p = Pattern.compile("\\G\"(.*?)\",?|([^,]*),?");该模式还包含两个捕获组来获取引号的字符串内容或纯内容。
然后，使用Java 9，我们可以得到一个数组
String[] a = p.matcher(input).results()
.map(m -> m.group(m.start(1)<0? 2: 1))
.toArray(String[]::new);而较早的Java版本需要像
for(Matcher m = p.matcher(input); m.find(); ) {
String token = m.group(m.start(1)<0? 2: 1);
System.out.println("found: "+token);
}List读者可以将商品添加到或数组中作为消费品。
对于Java 8，您可以使用此答案的results()实现，像Java 9解决方案一样实现。
对于带有嵌入字符串的混合内容，例如在问题中，您可以简单地使用
Pattern p = Pattern.compile("\\G((\"(.*?)\"|[^,])*),?");但随后，字符串将保持其引用形式。
不要使用前瞻和其他疯狂的正则表达式，而要先引号。也就是说，对于每个报价分组，将其替换为__IDENTIFIER_1或其他某种指示符，然后将该分组映射到string，string映射。
用逗号分割后，将所有映射的标识符替换为原始字符串值。
String line = "equals: =,\"quote: \"\"\",\"comma: ,\""，你需要做的是剥除多余的双引号字符。