java - 当不同行在不同位置有空格时如何拆分基于空格的记录

Question

我有一个包含如下记录的文件，我试图根据空格拆分其中的记录并将它们转换为逗号。

文件:

a 3w 12 98 header P6124
e 4t 2  100 header I803
c 12L 11 437       M12


BufferedReader reader = new BufferedReader(new FileReader("/myfile.txt"));
String line = reader.readLine();
while (line != null) {
System.out.println(line);
line = reader.readLine();
String[] splitLine = line.split("\\s+")

如果数据由多个空格分隔，我通常使用正则表达式替换 -> split('\\s+') 或 split("+") .但在上面的例子中，我有一个记录 c，它没有数据 header。因此，正则表达式“\s+”或“+”将跳过该记录，我将得到一个空白区域，如 c,12L,11,437,M12 而不是 c,12L,11,437,, M12

在这种情况下，如何根据任何定界符正确拆分行，以便获得以下格式的数据:

a,3w,12,98,header,P6124
e,4t,2,100,header,I803
c,12L,11,437,,M12

谁能告诉我如何实现这一点？

Answer 1

也许您可以尝试使用更复杂的方法，使用复杂的正则表达式来精确匹配每行的六个字段，并明确处理第五个字段缺失值的情况。我重写了您的示例，添加了一些控制台日志 以澄清我的建议:

public class RegexTest {
    private static final String Input = "a 3w 12 98 header P6124\n" +
            "e 4t 2  100 header I803\n" +
            "c 12L 11 437       M12";

    public static void main(String[] args) throws Exception {
        BufferedReader reader = new BufferedReader(new StringReader(Input));
        String line = null;
        Pattern pattern = Pattern.compile("^([^ ]+) +([^ ]+) +([^ ]+) +([^ ]+) +([^ ]+)? +([^ ]+)$");

        do {
            line = reader.readLine();
            System.out.println(line);
            if(line != null) {
                String[] splitLine = line.split("\\s+");
                System.out.println(splitLine.length);

                System.out.println("Line: " + line);
                Matcher matcher = pattern.matcher(line);
                System.out.println("matches: " + matcher.matches());
                System.out.println("groups: " + matcher.groupCount());
                for(int i = 1; i <= matcher.groupCount(); i++) {
                    System.out.printf("   Group %d has value '%s'\n", i, matcher.group(i));
                }
            }
        } while (line != null);
    }
}

关键是用于匹配每一行的模式需要六个字段的序列:

• 对于每个字段，值被描述为[^ ]+
• 字段之间的分隔符描述为+
• 第五个(可空)字段的值描述为 [^ ]+?
• 使用括号将每个值捕获为一个组:( ... )
• 每一行的开始(^)和结束($)都被显式标记

然后，每一行与给定的模式进行匹配，获得六个组:您可以使用 matcher.group(index) 访问每个组，其中 index 是 基于 1 因为 group(0) 返回完全匹配。

这是一种更复杂的方法，但我认为它可以帮助您解决问题。