Dividir una cadena entre comillas con un delimitador

Question

Quiero dividir una cadena con un espacio en blanco delimitador. pero debe manejar cadenas citadas inteligentemente. P.ej. para una cadena como

"John Smith" Ted Barry 

Debería devolver tres cuerdas John Smith, Ted y Barry.

Answer 1

Después de jugar con eso, puede usar Regex para esto. Ejecutar el equivalente a "coincidir con todos" en:

((?<=("))[\w ]*(?=("(\s|$))))|((?<!")\w+(?!")) 

Un ejemplo de Java:

import java.util.regex.Pattern; 
import java.util.regex.Matcher; 

public class Test 
{ 
    public static void main(String[] args) 
    { 
     String someString = "\"Multiple quote test\" not in quotes \"inside quote\" \"A work in progress\""; 
     Pattern p = Pattern.compile("((?<=(\"))[\\w ]*(?=(\"(\\s|$))))|((?<!\")\\w+(?!\"))"); 
     Matcher m = p.matcher(someString); 

     while(m.find()) { 
      System.out.println("'" + m.group() + "'"); 
     } 
    } 
} 

Salida:

'Multiple quote test' 
'not' 
'in' 
'quotes' 
'inside quote' 
'A work in progress' 

El desglose de expresiones regulares con el ejemplo utilizado anteriormente se puede ver aquí :

http://regex101.com/r/wM6yT9

---

Con todo lo dicho, las expresiones regulares no deberían ser la solución para todo: me estaba divirtiendo. Este ejemplo tiene muchos casos extremos, como el manejo de caracteres Unicode, símbolos, etc. Sería mejor utilizar una biblioteca probada y verdadera para este tipo de tareas. Eche un vistazo a las otras respuestas antes de usar esta.

Answer 2

Prueba este feo bit de código.

String str = "hello my dear \"John Smith\" where is Ted Barry"; 
    List<String> list = Arrays.asList(str.split("\\s")); 
    List<String> resultList = new ArrayList<String>(); 
    StringBuilder builder = new StringBuilder(); 
    for(String s : list){ 
     if(s.startsWith("\"")) { 
      builder.append(s.substring(1)).append(" "); 
     } else { 
      resultList.add((s.endsWith("\"") 
        ? builder.append(s.substring(0, s.length() - 1)) 
        : builder.append(s)).toString()); 
      builder.delete(0, builder.length()); 
     } 
    } 
    System.out.println(resultList);  

Answer 3

commons-lang tiene una clase StrTokenizer a hacer esto para usted, y también hay biblioteca de java-csv.

Ejemplo con StrTokenizer:

String params = "\"John Smith\" Ted Barry" 
// Initialize tokenizer with input string, delimiter character, quote character 
StrTokenizer tokenizer = new StrTokenizer(params, ' ', '"'); 
for (String token : tokenizer.getTokenArray()) { 
    System.out.println(token); 
} 

Salida:

John Smith 
Ted 
Barry 

Answer 4

bien, hice una pequeña snipet que hace lo que quiere y algunas cosas más. ya que no especificó más condiciones, no tuve problemas. Sé que esto es una manera sucia y probablemente puedas obtener mejores resultados con algo que ya está hecho. pero para la diversión de la programación aquí está el ejemplo:

String example = "hello\"John Smith\" Ted Barry lol\"Basi German\"hello"; 
    int wordQuoteStartIndex=0; 
    int wordQuoteEndIndex=0; 

    int wordSpaceStartIndex = 0; 
    int wordSpaceEndIndex = 0; 

    boolean foundQuote = false; 
    for(int index=0;index<example.length();index++) { 
     if(example.charAt(index)=='\"') { 
      if(foundQuote==true) { 
       wordQuoteEndIndex=index+1; 
       //Print the quoted word 
       System.out.println(example.substring(wordQuoteStartIndex, wordQuoteEndIndex));//here you can remove quotes by changing to (wordQuoteStartIndex+1, wordQuoteEndIndex-1) 
       foundQuote=false; 
       if(index+1<example.length()) { 
        wordSpaceStartIndex = index+1; 
       } 
      }else { 
       wordSpaceEndIndex=index; 
       if(wordSpaceStartIndex!=wordSpaceEndIndex) { 
        //print the word in spaces 
        System.out.println(example.substring(wordSpaceStartIndex, wordSpaceEndIndex)); 
       } 
       wordQuoteStartIndex=index; 
       foundQuote = true; 
      } 
     } 

     if(foundQuote==false) { 
      if(example.charAt(index)==' ') { 
       wordSpaceEndIndex = index; 
       if(wordSpaceStartIndex!=wordSpaceEndIndex) { 
        //print the word in spaces 
        System.out.println(example.substring(wordSpaceStartIndex, wordSpaceEndIndex)); 
       } 
       wordSpaceStartIndex = index+1; 
      } 

      if(index==example.length()-1) { 
       if(example.charAt(index)!='\"') { 
        //print the word in spaces 
        System.out.println(example.substring(wordSpaceStartIndex, example.length())); 
       } 
      } 
     } 
    } 

esto también comprueba si hay palabras que no fueron separados con un espacio antes o después de las comillas, como por ejemplo las palabras "hola" antes de "John Smith" y después de "Basi alemán".

cuando la cadena se modifica para "John Smith" Ted Barry la salida es de tres cuerdas, 1) "John Smith" 2) Ted 3) Barry

La cadena en el ejemplo es hola "John Smith" Ted Barry lol "Basi alemán" hola y grabados 1) hola 2) "John Smith" 3) Ted 4) Barry 5) lol 6) "Basi alemán" 7) hola

creo que sirve

Answer 5

Esta es mi propia versión, limpiar desde http://pastebin.com/aZngu65y (publicado en el comentario). Puede ocuparse de Unicode. Limpiará todos los espacios excesivos (incluso en el presupuesto); esto puede ser bueno o malo dependiendo de la necesidad. No hay soporte para la cita escapada.

private static String[] parse(String param) { 
    String[] output; 

    param = param.replaceAll("\"", " \" ").trim(); 
    String[] fragments = param.split("\\s+"); 

    int curr = 0; 
    boolean matched = fragments[curr].matches("[^\"]*"); 
    if (matched) curr++; 

    for (int i = 1; i < fragments.length; i++) { 
    if (!matched) 
     fragments[curr] = fragments[curr] + " " + fragments[i]; 

    if (!fragments[curr].matches("(\"[^\"]*\"|[^\"]*)")) 
     matched = false; 
    else { 
     matched = true; 

     if (fragments[curr].matches("\"[^\"]*\"")) 
     fragments[curr] = fragments[curr].substring(1, fragments[curr].length() - 1).trim(); 

     if (fragments[curr].length() != 0) 
     curr++; 

     if (i + 1 < fragments.length) 
     fragments[curr] = fragments[i + 1]; 
    } 
    } 

    if (matched) { 
    return Arrays.copyOf(fragments, curr); 
    } 

    return null; // Parameter failure (double-quotes do not match up properly). 
} 

de entrada de muestra para la comparación:

"sdfskjf" sdfjkhsd "hfrif ehref" "fksdfj sdkfj fkdsjf" sdf sfssd 


asjdhj sdf ffhj "fdsf fsdjh" 
日本語　中文 "Tiếng Việt" "English" 
    dsfsd  
    sdf  " s dfs fsd f " sd f fs df fdssf "日本語　中文" 
"" ""  "" 
" sdfsfds " "f fsdf 

(segunda línea está vacía, tercera línea es espacios, última línea es incorrecto). Por favor juzgue con su propio resultado esperado, ya que puede variar, pero la línea de base es eso, el primer caso debería devolver [sdfskjf, sdfjkhsd, hfrif ehref, fksdfj sdkfj fkdsjf, sdf, sfssd].