使用 String.split() 拆分带有引号作为文本分隔符的 csv 文件

Question

我有一个逗号分隔的文件，其中包含许多类似于下面的行。

Sachin,,M,"Maths,Science,English",Need to improve in these subjects.

引号用于转义用于表示多个值的分隔符逗号。

现在，如果可能的话，如何使用

String.split()

在逗号分隔符上拆分上述值？

Answer 1

public static void main(String[] args) {
    String s = "Sachin,,M,\"Maths,Science,English\",Need to improve in these subjects.";
    String[] splitted = s.split(",(?=([^\"]*\"[^\"]*\")*[^\"]*$)");
    System.out.println(Arrays.toString(splitted));
}

输出：

[Sachin, , M, "Maths,Science,English", Need to improve in these subjects.]

Answer 2

由于您的问题/要求并不那么复杂，可以使用自定义方法，其执行速度快 20 倍以上并产生相同的结果。 这是根据数据大小和解析的行数而变化的，对于更复杂的问题，必须使用正则表达式。

import java.util.Arrays;
import java.util.ArrayList;
public class SplitTest {

public static void main(String[] args) {

    String s = "Sachin,,M,\"Maths,Science,English\",Need to improve in these subjects.";
    String[] splitted = null;

 //Measure Regular Expression
    long startTime = System.nanoTime();
    for(int i=0; i<10; i++)
    splitted = s.split(",(?=([^\"]*\"[^\"]*\")*[^\"]*$)");
    long endTime =   System.nanoTime();

    System.out.println("Took: " + (endTime-startTime));
    System.out.println(Arrays.toString(splitted));
    System.out.println("");


    ArrayList<String> sw = null;        
 //Measure Custom Method
            startTime = System.nanoTime();
    for(int i=0; i<10; i++)
    sw = customSplitSpecific(s);
    endTime =   System.nanoTime();

    System.out.println("Took: " + (endTime-startTime));
    System.out.println(sw);         
}

public static ArrayList<String> customSplitSpecific(String s)
{
    ArrayList<String> words = new ArrayList<String>();
    boolean notInsideComma = true;
    int start =0, end=0;
    for(int i=0; i<s.length()-1; i++)
    {
        if(s.charAt(i)==',' && notInsideComma)
        {
            words.add(s.substring(start,i));
            start = i+1;                
        }   
        else if(s.charAt(i)=='"')
        notInsideComma=!notInsideComma;
    }
    words.add(s.substring(start));
    return words;
}   

}

在我自己的计算机上会产生：

Took: 6651100
[Sachin, , M, "Maths,Science,English", Need to improve in these subjects.]

Took: 224179
[Sachin, , M, "Maths,Science,English", Need to improve in these subjects.]

Answer 3

如果您的字符串格式正确，则可以使用以下正则表达式：

String[] res = str.split(",(?=([^\"]|\"[^\"]*\")*$)");

该表达式确保分割仅发生在逗号处，逗号后跟偶数（或零）个引号（因此不在此类引号内）。

尽管如此，使用简单的非正则表达式解析器可能会更容易。

Answer 4

最喜欢的答案似乎是正确的，除了尾随逗号的情况。您应该在分割上指定限制参数

public static void main(String[] args) {
   String s = "Sachin,,M,\"Maths,Science,English\",Need to improve in these subjects.,,,";
   String[] splitted = s.split(",(?=([^\"]*\"[^\"]*\")*[^\"]*$)", -1);
   System.out.println(Arrays.toString(splitted));
}

否则结果将不包括最后三列。

Answer 5

在处理 csv 字符串时，我们需要了解以下几点。

行中的每个元组都将以“（引号）开头或不以”（引号）开头。 a) 如果它以“（引号）开头，那么它必须是特定列的值。 b) 如果是直接启动则必须是 header。 例如：'标题1，标题2，标题3，“值1”，“值2”，“值3”'; 这里 Header1,Header2,Header3 是列名，剩下的是值。

在进行分割时我们需要记住的要点是您需要检查吐痰是否正确完成。 a) 获取分割值并检查 value 中的引号数量（数量必须为偶数） b) 如果计数为奇数，则附加下一个分割值。 c) 重复过程 a,b 直到引号相等。