使用分隔符分割，除非分隔符被转义

Question

读取来自 excel 的剪贴板数据

我正在使用var stream = (System.IO.Stream) ( Forms.Clipboard.GetDataObject() ).GetData( Forms.DataFormats.CommaSeparatedValue );

，但不幸的是， excel正在传递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时：

 1234123.00, 2345.00, 342.00, 12345.00

我之前一直使用 < code>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，但当存在包含逗号的转义格式文本时，此操作会失败。

---

我问是否有人能想出一种方法将该字符串拆分为一组单元格，忽略 \" 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，

如何将包含以下内容的单个字符串：

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

转换为包含以下内容的字符串数组：

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

而不破坏我解析简单逗号分隔字符串的能力

*****edit***

后续问题（表述为DFA）此处：根据每次确定性有限自动机达到最终状态来分割字符串？

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的值，如果该值被视为字符串，它将带有双引号（并且可以包含逗号和双引号）。如果它被认为是数字，那么就没有双引号。此外，如果数据包含双引号，则将由双引号分隔，例如 ""。因此，假设所有这些都是我过去处理此问题的方式

public static IEnumerable<string> SplitExcelRow(this string value)
{
    value = value.Replace("\"\"", """);
    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(""","\"");
                currStartIndex = i + 1;
            }
        }
    }
    yield return value.Substring(currStartIndex, value.Length - currStartIndex)
        .Trim()
        .Replace("\"", "")
        .Replace(""", "\"");
}

当然，这假设传入的数据是有效的，因此如果您有类似 "fo,o"b,ar","bar""foo " 这不起作用。此外，如果您的数据包含 " 那么它将变成 " ，这可能是也可能不是所需的。

Answer 2

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一些 \"，因为否则字符串不一致
2. 剥离所有剩余的逗号
3. 剥离所有剩余的 \"
4. 转换将分隔符（例如制表符）放回逗号

现在您首先拥有了想要的内容

Answer 3

我同意凯尔关于你的字符串可能不一致的观点。

您可以使用而不是凯尔的第一步

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

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字符的数组空元素。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

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，如果您不喜欢此建议，请尝试使用 RegEx 实现类似的模式。