Tách tệp csv bằng dấu ngoặc kép làm dấu phân tách văn bản bằng cách sử dụng String.split()

Question

Tôi có tệp được phân cách bằng dấu phẩy có nhiều dòng tương tự như dưới đây.

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

Báo giá được sử dụng để thoát dấu phẩy phân cách được sử dụng để biểu thị nhiều giá trị.

Bây giờ, làm cách nào để chia giá trị trên trên dấu phân cách bằng dấu phẩy bằng cách sử dụng String.split() nếu có thể?

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)); 
} 

Output:

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

Answer 2

Nếu chuỗi của bạn đều tốt được hình thành có thể với các biểu thức chính quy sau:

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

Khái niệm đảm bảo rằng sự chia rẽ chỉ xảy ra ở dấu phẩy mà được theo sau bởi một số chẵn (hoặc không có) của báo giá (và do đó không phải bên trong dấu ngoặc kép như vậy).

Tuy nhiên, có thể dễ dàng sử dụng trình phân tích cú pháp không phải regex đơn giản.

Answer 3

Như vấn đề/yêu cầu của bạn không được tất cả những gì phức tạp một phương pháp tùy chỉnh có thể được sử dụng mà thực hiện hơn 20 lần nhanh hơn và tạo ra kết quả tương tự. Đây là biến số dựa trên kích thước dữ liệu và số hàng được phân tích cú pháp và đối với các vấn đề phức tạp hơn khi sử dụng cụm từ thông dụng là phải.

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; 
} 

}

Trên máy tính của riêng tôi này sản xuất:

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.]