Java: разделение строки, разделенной запятыми, но игнорирование запятых в кавычках

хотя мне вообще нравятся регулярные выражения, для такого рода токенизации, зависящей от состояния, я считаю, что простой парсер (который в этом случае намного проще, чем это слово может звучать), вероятно, является более чистым решением, в частности, в отношении ремонтопригодности, например:

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;
    }
}

Если вы не заботитесь о сохранении запятых внутри кавычек, вы можете упростить этот подход (нет обработки начального индекса, нет последний символ особый случай) замена запятых в кавычках на что-то другое, а затем разделить на запятые:

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 (форк старой библиотеки, что позволит генерируемого выходного для Windows конец строки \r\n когда не работает Windows)

http://opencsv.sourceforge.net/

CSV API для Java

можете ли вы порекомендовать библиотеку Java для чтения (и, возможно, записи) CSV файлы?

Java lib или приложение для конвертации CSV в XML файл?

Я бы не советовал регулярное выражение ответа от Барта, я нахожу решение для разбора лучше в этом конкретном случае (как предложил Фабиан). Я пробовал решение регулярных выражений и собственную реализацию синтаксического анализа я нашел, что:

1. разбор намного быстрее, чем разбиение с регулярным выражением с обратными ссылками - ~20 раз быстрее для коротких строк, ~40 раз быстрее для длинных строк.
2. регулярное выражение не удается найти пустую строку после последней запятой. Это было не в оригинальном вопросе, хотя, это было мое требование.

мое решение и тест ниже.

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);

конечно, вы можете изменить переключатель на else-ifs в этом фрагменте, если вам неудобно с его уродством. Обратите внимание, то отсутствие перерыва после переключения с сепаратором. StringBuilder был выбран вместо StringBuffer по дизайну, чтобы увеличить скорость, где потокобезопасность не имеет значения.

попробовать lookaround как (?!\"),(?!\"). Это должно соответствовать , которые не окружены ".

вы находитесь в той раздражающей пограничной области, где регулярные выражения почти не будут делать (как было указано Бартом , избегание кавычек затруднит жизнь), и все же полномасштабный парсер кажется излишним.

Если вам, вероятно, потребуется большая сложность в ближайшее время я бы пошел искать библиотеку парсера. Например этот

Я был нетерпелив и решил не ждать ответов... для справки это не выглядит так сложно сделать что-то вроде этого (что работает для моего приложения, мне не нужно беспокоиться о экранированных кавычках, так как материал в кавычках ограничен несколькими ограниченными формами):

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;
}

(упражнение для читателя: расширьте обработку экранированных кавычек, также ища обратные косые черты.)

вместо того, чтобы использовать lookahead и другие сумасшедшие регулярные выражения, просто вытащите кавычки в первую очередь. То есть для каждой группы цитат замените эту группу на __IDENTIFIER_1 или какой-то другой индикатор, и сопоставьте эту группировку с картой строки,строки.

после разделения на запятую замените все сопоставленные идентификаторы исходными строковыми значениями.

Я бы сделал что-то вроде этого:

boolean foundQuote = false;

if(charAtIndex(currentStringIndex) == '"')
{
   foundQuote = true;
}

if(foundQuote == true)
{
   //do nothing
}

else 

{
  string[] split = currentString.split(',');  
}