java - 如何清理字符串并仅保留第一个分号

Question

我在 CSV 文件中有这样的列表:

    4231;"Swiss Federal Railways (SBB; CFF; FFS)"
    67;"Hershey Co; The"

我的目标是清理这些字符串并只保留第一个分号:

4231; Swiss Federal Railways (SBB CFF FFS)
67; Hershey Co The

我尝试这样做:

String[] companyDetails =
                    line.replaceAll("\"","").trim().split(";");

但这还不够。

编辑:更清楚地说，这是我使用的代码:

br = new BufferedReader(new FileReader("/Users/blue/IdeaProjects/matching/src/main/resources/company_list.csv"));

            // Creating a HashSet for holding Company object
            HashSet<Company> companyHashSet = new HashSet<Company>();

            String line;

            // Read to skip the header
            br.readLine();

            // Reading from second line
            while ((line = br.readLine()) != null) {

                String[] companyDetails =
                        line.replaceAll("\"","").trim().split(";");

Answer 1

代码

Java

See regex in use here

((?:^[^;\v]*;|\G(?!\A))[^;\v]*);

更换

$1

其他语言(即 PCRE)

在其他正则表达式风格中，您可以使用以下正则表达式，但 Java 不支持标记 \K (重置报告匹配的起点 - 不再包含任何先前使用的字符在最后一场比赛中)。这将使用空字符串而不是捕获组的替换。

(?:^[^;\v]*;|\G(?!\A))[^;\v]*\K;

<小时/>

用法

See code in use here

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

final String regex = "((?:^[^;\\v]*;|\\G(?!\\A))[^;\\v]*);";
final String string = "    4231;\"Swiss Federal Railways (SBB; CFF; FFS)\"\n"
     + "    67;\"Hershey Co; The\"";
final String subst = "$1";

final Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE);
final Matcher matcher = pattern.matcher(string);

// The substituted value will be contained in the result variable
final String result = matcher.replaceAll(subst);

System.out.println("Substitution result: " + result);

<小时/>

结果

输入

     4231;"Swiss Federal Railways (SBB; CFF; FFS)"
     67;"Hershey Co; The"

输出

     4231;"Swiss Federal Railways (SBB CFF FFS)"
     67;"Hershey Co The"

<小时/>

说明

• ((?:^[^;\v]*;|\G(?!\A))[^;\v]*) 将以下内容捕获到捕获组 1 中
  • (?:^[^;\v]*;|\G(?!\A)) 匹配以下任意一项
    • ^[^;\v]*;
      • ^ 断言位置位于行首
      • [^;\v]* 匹配集合中不存在的任意数量的任何字符(除分号 ; 或垂直空格之外的任何字符)
      • ; 按字面意思匹配分号字符 ;
    • \G(?!\A) 断言上一场比赛结束时的位置
  • [^;\v]* 匹配集合中不存在的任意数量的任何字符(除分号 ; 或垂直空格之外的任何字符)
• ; 按字面意思匹配分号字符 ;