解析 CSV 字符串，同时忽略各个列中的逗号答案

【问题标题】：Parsing a CSV string while ignoring commas inside the individual columns解析 CSV 字符串，同时忽略各个列中的逗号
【发布时间】：2015-09-05 21:14:47
【问题描述】：

我正在尝试使用逗号作为分隔符来拆分 csv 字符串。

val string ="A,B,"Hi,There",C,D"

我不能使用string.split(",")，因为它会将"Hi,There" 拆分为两个不同的列。我可以使用正则表达式来解决这个问题吗？我来到了我不想使用的scala-csv parser。我希望有更好的方法来解决这个问题。我知道这不是一个小问题。如果人们可以分享他们解决此问题的方法，将会很有帮助。

【问题讨论】：

CSV 解析并不像您意识到的那样简单。因此，这种格式可能过于宽泛，无法提供完整的答案，询问工具在 SO 上是题外话，所以我认为这个问题不适合这个网站。
@Gábor 你误会了。我不想使用任何工具。我希望人们在这里分享逻辑或任何好的方法。我可以使用像scala-csv 这样的解析器来完成这个任务。但是，我想要一种开放的逻辑方法来解决这个问题。如果人们在这里分享方法，我认为这个问题会对很多人有所帮助。
@COSTA 解决这个问题的合乎逻辑的方法是使用已建立的库，因为 csv 解析非常重要。
可能相关：stackoverflow.com/questions/18144431/regex-to-split-a-csv
使用 Scala 的解析器组合器 API，您可以编写一个符合 RFC 4180 的解析器，并且少于 30 个 LOC。但如前所述，您可以使用现有的解析器让您的生活更轻松。

标签： regex scala parsing csv

【解决方案1】：

我同意 Jeronimo Backes 的观点，csv 解析并非易事，使用库比重新发明轮子要好得多。

除了uniVocity-parsers，还有一些其他更面向scala的库可用（指示底层解析器）：

product-collections（原生/scala）
scala-csv (native / java-scala)
mighty-csv (opencsv)
PureCSV (opencsv)
object-csv (scala-csv)

product-collections，我自己的项目，针对与univocity 相同的数据以及csv spectrum 进行了很好的测试。它是强类型、无反射并且与 scala-js 兼容。我是tested for performance against most of the java equivalents.

列出的其他项目都有自己的优势。 Scala-csv 在没有 shims 的情况下很难从 java 调用，所以虽然我已经在内部对其进行了测试，但我无法针对 csv-parsers-comparison 发出拉取请求。

Product-collections 曾经利用 opencsv，但为了使其与 scala-js 兼容，它现在包含一个本机解析器。在我测试的所有场景中，解析器的性能都优于 opencsv（速度、正确性）。

【讨论】：

【解决方案2】：

为此使用uniVocity-parsersCsvParser 而不是手动解析它。 CSV 比您想象的要困难得多，并且有许多极端情况需要涵盖。你刚刚找到了一个。简而言之，您需要一个库来可靠地读取 CSV。其他 Scala 项目（例如 spark-csv）使用 uniVocity-parsers

我将在这里举一个使用纯 Java 的示例，因为我不懂 Scala，但你会明白的：

public static void main(String ... args){
    CsvParserSettings settings = new CsvParserSettings(); //many options here, check the documentation
    CsvParser parser = new CsvParser(settings);
    String[] row = parser.parseLine("A,B,\"Hi,There\",C,D");
    for(String value : row){
        System.out.println(value);
    }
}

输出：

A
B
Hi,There
C
D

披露：我是这个库的作者。它是开源免费的（Apache V2.0 许可）。

【讨论】：

【解决方案3】：

这个正则表达式涵盖了您的示例，可能还有其他示例，但肯定不可靠：

(?:,?(".+?"))|(?:,?(.+?),?)

这是一个关于 regex101 的演示：https://regex101.com/r/wM7uW4/1

【讨论】：