[JAVA] [RegExp] Problem z przecinkami i cudzysłowami

Witam,

Męczę się już trochę nad tym (w zasadzie nie mam doświadczenia z regexpami, bo dopiero staram się je zgłębić) i niestety nie mogę poradzić sobie z następującym przykładem. Proszę o pomoc/wskazówki.

Mamy ciąg wyrazów oddzielonych przecinkami, ale niektóre z nich mogą być ujęte w cudzysłowy (wtedy przecinki wewnątrz nich nie dzielą słowa na dwie części). Do tego w słowie (niekoniecznie tym ujętym w cudzysłowy) może wystąpić znak cudzysłowu w standardowej postaci: "
Spacje na początku i końcu wyrazu nieujętego w cudzysłowy mnie nie interesują.

Przykład:

Ala , ma kota, "mrówki, ", "psa, "papugę", ", ""rybki" ", "oraz brata"

i chcę z tego otrzymać (zapiszę każdy z tokenów w [ ], ale jedynie dla czytelności):

[Ala] [ma kota] [mrówki, ] [psa, "papugę", ] ["rybki" ] ["oraz brata"]

Wydawało mi się (na razie, bez uwzględnienia "), że takie coś podziała, ale niestety nie :(

String regexp = "[\"][^\"]*[\"]|[,]"; // ignoruje \" jako "
Scanner s = new Scanner(sourceString).useDelimiter("cokolwiek ?");
String token;
while (s.hasNext(regexp)) // czy to powoduje rekompilacie "patterna" w kazdym obrocie petli ?
    token = s.next(regexp);
/* .... */

Prosze o pomoc.

Delimiter to będzie znak końca wiersza
Nie pattern nie jest rekompilowany

Ja bym zrobił tak:

public class Test {

	/**
	 * @param args
	 */
	public static void main(String[] args) {
		String testString = "Ala  , ma kota, \"rybki\", \", oraz psa\"";
		String pattern = "[\"][^\"]*[,][\"]|[,]";
		for(String s: testString.split(pattern))
		System.out.println(s);
	}

}

wynik:

Ala  
 ma kota
 "rybki"
 "
 oraz psa"

Hmm... czemu tam jest załamanie wiersza ?

Chyba powinno być w wyniku:
Ala
ma kota
"rybki"
", oraz psa" - bo właśnie w tym jest problem, żeby nie "parsować" przecinków zawartych w cudzysłowach.

Ponadto czy jeśli podam (w wersji Javowej) string typu: "Ala, kot, \"pies\" i brat", to czy to mi wypluje poprawnie:
Ala, kot, "pies" i brat ?

Cos takiego mysle, ze bedzie wystarczajace.

[ ]*(?<!\\)".*?((?<!\\)")[ ]*|[^,]+

Zasada:
pierwsza sekcja, [ ](?<!\)".?((?<!\)")[ ] wyciaga wszystkie znaki (regex: .?), ujete w cudzyslow, ale pomija te cudzyslowy, ktore maja przed soba "", tj. backslash (regex: (?<!\)". Dodatkowo zbierane sa wszystkie puste znaki z obu koncow linii (regex: [ ]*).
Druga sekcja, [^,]+ wywolywana jest w przypadku porazki pierwszej oraz wyciaga wszystkie niepuste sekwencje, ktore nie zawieraja przecinka.
Wymagana bedzie jeszcze wtorna przerobka wyjscia, ale to juz nie powinno sprawic problemu.

Dzięki Wam obu, ale to nadal nie działa :( Albo ja jestem na tyle głupi, że ciągle czegoś nie dostrzegam :/

@ws: jeśli użyć tego jako delimiter (czyt.: String.split(pattern)) (raczej bez sensu, ale spróbowałem ;p) to wychodzą same przecinki (dla tekstu z przykładowego kodu podanego przez Koziołka), natomiast jeśli używać tego w next(pattern) w klasie Scanner (przy delimiterze \n) to nic nie wypluwa.

Wersja przerobiona przeze mnie (na Jave):

String pattern = "\\s*(?<!\\\\)\".*?((?<!\\\\)\")\\s*|[^,]+";

gdzie \s oznacza zbiór białych znaków.

Siema,
wybacz, powinienem poprzednio wrzucic kawalek kodu, dla wiekszej jasnosci.

import java.util.regex.*;

public class Regex {
	public static final void main(String[] args) {
	    String input = "Ala        ,       ma kota,      \"mrówki, \", \"psa, \\\"papugę\\\", \", \"\\\"rybki\\\" \", \\\"oraz brata\\\"";
	    String regex = "\\s*(?<!\\\\)\".*?((?<!\\\\)\")\\s*|[^,]+";
	    Pattern pattern = Pattern.compile(regex);
	    Matcher matcher = pattern.matcher(input);
	    System.out.println("pattern: " + pattern.pattern());
	    while(matcher.find()) {
	        System.out.print("[" + matcher.group().replaceAll("\\s+(\")|(\\s+$)|(^\\s+)", "").replaceAll("\\\\\"", "\"") + "]");
	    }
	    System.out.println();
	    //[Ala][ma kota][mrówki,][psa, "papugę",]["rybki"]["oraz brata"]
	}
}

Metoda String.split(String regex) uzywa wyrazenia regularnego jako separator, podobnie jak Scanner.useDelimiter(String pattern). Wiec w rezultacie obie metody zwroca dokladnie to, czego my nie chcemy.

Wow... wielkie dzięki :)

Ale myślałem, że Scanner.next(pattern) ignoruje ustawienie delimitera w scanerze i pozwala dzielić stringa wg tegoz patterna. Ale coz, widac sie mylilem.

Jeszcze raz dzieki :)

java.util.Scanner najpierw probuje podzielic stringi na tokeny, przy pomocy odpowiedniego separatora (domyslnie biale znaki, zmienianiany przy pomocy Scanner.useDelimiter(Pattern pattern)), a nastepnie metoda Scanner.next(Pattern pattern) zwraca tylko taki token, ktory odpowiada, przekazanemu jako parametr, wzorcowi. Ew. wyrzuca java.util.InputMismatchException jesli token nie pasuje do wzorca.
Pozdr.