标记 CSV 行转义双引号

Question

我有一个逗号分隔的 CSV 行：

1000102257,b,N,159999,3,4545656,4,,,,"6,125% NORDRHEIN-WESTF.LA.SCHA.R.239 21.12. "18"

包含逗号分隔符（,）作为内容的标记被双引号以将其转义。

如您所见，最后一个标记被隔离在双引号之间，但出现了另一个双引号 ("18)，这破坏了标记化机制：

"6,125% NORDRHEIN-WESTF.LA.SCHA.R.239 21.12. "18"

这是我将行拆分为标记的代码：

public static void main(String[] args) {
    final String cvsSplitterEscapingQuotes = ",(?=([^\\\"]*\\\"[^\\\"]*\\\")*[^\\\"]*$)";
    String strLine = "1000102257,b,N,159999,3,4545656,4,,,,\"6,125% NORDRHEIN-WESTF.LA.SCHA.R.239 21.12. \"18\"";
    String[] tokens = strLine.split(cvsSplitterEscapingQuotes, -1);
}

如何转义引号内的中间双引号？

Answer 1

不要自己解析 CSV，使用库。即使像 CSV 这样简单的格式也有细微差别：字段可以用引号转义或不转义，文件可以有或没有标题等等。除此之外，您还必须测试和维护您编写的代码。所以少写代码，重用库是好事。

Java 中有很多 CSV 库：

• Apache Commons CSV
• OpenCSV
• Super CSV
• Univocity
• flatpack

恕我直言，前两个是最受欢迎的。

这是 Apache Commons CSV 的示例：

final Reader in = new FileReader("counties.csv");
final Iterable<CSVRecord> records = CSVFormat.DEFAULT.parse(in);

for (final CSVRecord record : records) { // Simply iterate over the records via foreach loop. All the parsing is handler for you
    String populationString = record.get(7); // Indexes are zero-based
    String populationString = record.get("population"); // Or, if your file has headers, you can just use them

    … // Do whatever you want with the population
}

看看它是多么容易！并且它将与其他解析器类似。

Answer 2

忽略不跟在逗号或换行符后面的双引号

Answer 3

这个未转义的正则表达式，经过测试here：

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

用逗号分割你的字符串，但没有引号。以下是它的工作原理：

(                          // Start the match
 ".*"                      // Greedily match anything in quotes
     |[^,"]+               // Or, greedily match anything that isn't a comma or quote
            |(?<=,)(?=,)   // Or, look behind for a comma and ahead for a comma
                           //    (the empty match)
                        )  // End match.

当然，这不会匹配逗号分隔字符串开头或结尾的空字段，但您可以添加一个额外的位：

|^(?=,)           // At the beginning, look forward for a comma
       |(?<=,)$   // Look back for a comma, and at the end

所以整个模式是：

(".*"|[^,"]+|(?<=,)(?=,))|^(?=,)|(?<=,)$

但正如@madhead 所说，除非这是家庭作业，否则请使用图书馆！