Разделить строку на запятые, не содержащиеся в двойных кавычках с завихрением

Я задал этот вопрос раньше, и он был закрыт, потому что это был дубликат, который я принимаю и фактически нашел ответ в вопросе Java: разделение строки, разделенной запятыми, но игнорирование запятых в кавычках, поэтому благодаря тому, кто опубликовал его.

Но с тех пор я столкнулся с другой проблемой. По-видимому, мне нужно использовать "," как мой разделитель, когда есть нуль или четное число двойных кавычек, но также игнорировать любые ",", содержащиеся в скобках.

Итак, следующее:

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

Будет означать как:

Спасибо,
заранее,
для ( "the", "help" )

Я не уверен, если так или иначе, чтобы изменить текущее регулярное выражение, которое я использую для этого, но любое руководство будет оценено.

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

Ответ 1

Иногда вам легче сопоставить то, что вы хотите, а не то, что вам не нужно:

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()));
}

Вывод:

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

Если вам также необходимо игнорировать закрывающие скобки внутри разделов кавычек, находящихся внутри скобок, вам нужно это:

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

Пример строки, которая нуждается в этой второй, более сложной версии:

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

Вывод:

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

Однако я бы посоветовал вам изменить формат данных, если это вообще возможно. Это было бы намного проще, если бы вы использовали стандартный формат, например XML, для хранения ваших токенов.

Ответ 2

Доморощенный парсер легко пишется.

Например, эта грамматика ANTLR позаботится о вашем примере ввода без особых проблем:

parse
  :  line*
  ;

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

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

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

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

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

и было бы легко расширить это, чтобы принять во внимание экранированные кавычки или круглые скобки.

При подаче парсера, сгенерированного этой грамматикой, на следующие две строки ввода:

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

это разбирается так:

Если вы решите использовать ANTLR для этого, я могу опубликовать небольшую инструкцию, чтобы получить парсер из той грамматики, которую я разместил, если хотите.