Séparer une chaîne sur des virgules ne figurant pas entre guillemets avec une torsion

Question

J'ai posé cette question plus tôt et il a été fermé parce que c'était un doublon, que j'accepte et que j'ai trouvé la réponse à la question Java: splitting a comma-separated string but ignoring commas in quotes, donc merci à quiconque a posté il.

Mais j'ai depuis rencontré un autre problème. Apparemment, ce que je dois faire est d'utiliser "," comme délimiteur quand il y a zéro ou un nombre pair de guillemets, mais aussi ignorer tout "," entre parenthèses.

Ainsi, les éléments suivants:

"Thanks,", "in advance,", "for("the", "help")" 

Est-ce que tokenizer comme:

• Merci,
• à l'avance,
• pour ("le", "aide")

Je ne suis pas sûr s'il y a de toute façon de modifier la regex actuelle I J'utilise pour permettre cela, mais des conseils seraient appréciés.

line.split(",(?=([^\"]*\"[^\"]*\")*[^\"]*$)"); 

Answer 1

Parfois, il est plus facile de faire correspondre ce que vous voulez au lieu de ce que vous ne voulez pas:

String s = "\"Thanks,\", \"in advance,\", \"for(\"the\", \"help\")\""; 
String regex = "\"(\\([^)]*\\)|[^\"])*\""; 
Pattern p = Pattern.compile(regex); 
Matcher m = p.matcher(s); 
while(m.find()) { 
    System.out.println(s.substring(m.start(),m.end())); 
} 

Sortie:

"Thanks," 
"in advance," 
"for("the", "help")" 

Si vous avez besoin également d'ignorer les supports de fermeture à l'intérieur des sections de citations qui sont à l'intérieur des crochets, alors vous avez besoin de ceci:

String regex = "\"(\\((\"[^\"]*\"|[^)])*\\)|[^\"])*\""; 

Un exemple d'une chaîne qui a besoin de cette deuxième version est plus complexe:

"foo","bar","baz(":-)",":-o")" 

Sortie:

"foo" 
"bar" 
"baz(":-)",":-o")" 

Cependant, je vous conseille de changer le format de données si possible . Ce serait beaucoup plus facile si vous utilisiez un format standard comme XML pour stocker vos jetons.

Answer 2

Un développé localement est facilement écrit.

Par exemple, cette grammaire ANTLR prend soin de votre entrée exemple sans trop de difficulté:

parse 
    : line* 
    ; 

line 
    : Quoted (',' Quoted)* ('\r'? '\n' | EOF) 
    ; 

Quoted 
    : '"' (Atom)* '"' 
    ; 

fragment 
Atom 
    : Parentheses 
    | ~('"' | '\r' | '\n' | '(' | ')') 
    ; 

fragment 
Parentheses 
    : '(' ~('(' | ')' | '\r' | '\n')* ')' 
    ; 

Space 
    : (' ' | '\t') {skip();} 
    ; 

et il serait facile de l'étendre à prendre des citations ou échappées entre parenthèses en compte.

Lors de l'alimentation de l'analyseur généré par cette grammaire à suivre deux lignes d'entrée:

"Thanks,", "in advance,", "for("the", "help")" 
"and(,some,more)","data , here" 

il s'analysables comme ceci:

alt text http://i47.tinypic.com/258otvs.png

Si vous envisagez d'utiliser ANTLR pour cela, Je peux poster un petit HOWTO pour obtenir un analyseur de cette grammaire que j'ai posté, si vous voulez.