使用分隔符拆分，除非分隔符被转义

Question

我正在使用

读取来自 excel 的剪贴板数据

var stream = (System.IO.Stream) ( Forms.Clipboard.GetDataObject() ).GetData( Forms.DataFormats.CommaSeparatedValue );,

但不幸的是，excel 传递的是单元格文本而不是单元格值。当单元格使用特殊格式（例如千位分隔符）时，列中一系列单元格的剪贴板数据如下所示：

 1,234,123.00    2,345.00    342.00      12,345.00

存储如下：

\" 1,234,123.00 \",\" 2,345.00 \", 342.00 ,\" 12,345.00 \"

当我真正想要的是这样的时候：

 1234123.00, 2345.00, 342.00, 12345.00

我之前一直使用clipData.Split(new string[] { "," }, StringSllitOptions.None)) 函数将我的 CSV 剪贴板数据转换为一系列单元格，但是当存在包含逗号的转义格式文本时，此方法会失败。

---

我在问是否有人能想出一种方法将此字符串拆分为一组单元格，而忽略在 \" 位内转义的逗号，因为这就是 Excel 选择转义包含逗号的单元格的方式。

简而言之，我怎样才能打开一个包含这个的字符串：

\" 1,234,123.00 \",\" 2,345.00 \", 342.00 ,\" 12,345.00 \"

放入包含以下内容的字符串数组中：

{ "1,234,123.00", "2,345.00", "342.00", "12,345.00" }

不会破坏我解析简单逗号分隔字符串的能力。

*****编辑***

在此处跟进问题（以 DFA 形式表述）：Split a string based on each time a Deterministic Finite Automata reaches a final state?

Answer 1

首先，我之前处理过 Excel 中的数据，您通常看到的是逗号分隔值，如果该值被认为是一个字符串，它将在其周围加上双引号（并且可以包含逗号和双引号）。如果它被认为是数字，则没有双引号。此外，如果数据包含将由双引号分隔的双引号，例如""。所以假设所有这些都是我过去处理这个问题的方式

public static IEnumerable<string> SplitExcelRow(this string value)
{
    value = value.Replace("\"\"", "&quot;");
    bool quoted = false;
    int currStartIndex = 0;
    for (int i = 0; i < value.Length; i++)
    {
        char currChar = value[i];
        if (currChar == '"')
        {
            quoted = !quoted;       
        }
        else if (currChar == ',')
        {
            if (!quoted)
            {
                yield return value.Substring(currStartIndex, i - currStartIndex)
                    .Trim()
                    .Replace("\"","")
                    .Replace("&quot;","\"");
                currStartIndex = i + 1;
            }
        }
    }
    yield return value.Substring(currStartIndex, value.Length - currStartIndex)
        .Trim()
        .Replace("\"", "")
        .Replace("&quot;", "\"");
}

当然，这假设传入的数据是有效的，所以如果你有类似"fo,o"b,ar","bar""foo" 的东西，这将不起作用。此外，如果您的数据包含 "，那么它将被转换为 "，这可能是可取的，也可能不是可取的。

Answer 2

我同意凯尔关于你的字符串可能不一致的观点。

你可以使用凯尔的第一步来代替

string[] vals = Regex.Split(value, @"\s*\"",\s*");

Answer 3

您可以尝试使用一些 LINQ：

string excelData = "\\\" 1,234,123.00 \\\",\\\" 2,345.00 \\\", 342.00 ,\\\" 12,345.00 \\\"";

IEnumerable<string> cells = from x in excelData.Split(new string[] { "\\\"" }, StringSplitOptions.RemoveEmptyEntries)
                            let y = x.Trim(',').Trim()
                            where !string.IsNullOrWhiteSpace(y)
                            select y;

或者，如果您不喜欢这个建议，请尝试使用 RegEx 实现类似的模式。

Answer 4

从您的输入示例中，我们可以看到存在三个“不需要的”字符序列：

\"
\",
,\"

因此，将所有这些序列添加到 Split 方法的输入数组中：

string[] result = clipData.Split(new[] { @",\""", @"\"",", @"\""" }, 
    StringSplitOptions.None);

这将为您提供一个包含一些空元素的数组。如果这是一个问题，请使用StringSplitOptions.RemoveEmptyEntries 而不是StringSplitOptions.None：

string[] result = clipData.Split(new[] { @",\""", @"\"",", @"\""" }, 
    StringSplitOptions.RemoveEmptyEntries);

Answer 5

有很多方法可以做到这一点。一种不优雅的工作方式是：

1. 将 \",\" 转换为制表符或其他分隔符（我假设您在示例中遗漏了几个 \" 否则字符串不一致
2. 去掉所有剩余的逗号
3. 剥离所有剩余的\"
4. 将分隔符（例如制表符）转换回逗号

现在你首先得到了你想要的东西