如何用引号中的某些项目解析逗号分隔行（CSV）？答案

【问题标题】：How to parse a comma separated line (CSV) with some items in quotation marks?如何用引号中的某些项目解析逗号分隔行（CSV）？
【发布时间】：2015-12-24 13:20:12
【问题描述】：

我正在尝试使用以下方法解析逗号分隔的字符串：

val array = input.split(",")

然后我注意到一些输入行在引号内有“，”：

data0, "data1", data2, data3, "data4-1, data4-2, data4-3", data5

*注意数据不是很干净，所以有些字段在引号内，有些则不在

我如何将这样的行分成：

array(0) = data0
array(1) = data1
array(2) = data2
array(3) = data3
array(4) = data4-1, data4-2, data4-3
array(5) = data5

【问题讨论】：

解析 CSV 文件可能是出了名的棘手，因为它在引号周围的行为，以及引号中包含的逗号和引号。我建议引入一个以稳健地处理所有边缘情况而著称的库。您可以考虑的选项包括scala-csv 和traversable-csv。或者使用像 opencsv 这样的 Java 库。
否则，如果您不想或不能使用库，您可以查看this SO answer 或this SO answer 以了解其他人如何处理滚动您自己的 CSV 解析器。
@Shadowlands 您能否在答案中总结您的 cmets（因为我认为您已经展示了许多有价值的方法，其他人可以从中受益。）谢谢。
@MartinSenne 当然，很高兴将其作为答案（尽管我没有更多要补充的内容）。

标签： java regex scala csv

【解决方案1】：

根据我的cmets：

解析 CSV 文件可能是出了名的棘手，因为它围绕引号的行为，以及引号中包含的逗号和引号。我建议引入一个以稳健地处理所有边缘情况而著称的库。

您可以考虑的选项包括scala-csv 和traversable-csv。或者使用像opencsv 这样的Java 库。

否则，如果您不想或不能使用库，您可以查看 this SO answer 或 this SO answer 以了解其他人如何处理自己滚动的 CSV 解析器。

【讨论】：

感谢暗影国度！如果可能的话，我想使用图书馆。我在这里遇到的一个问题是，我将获得需要解析的“csv 行”，而不是“一个 csv 文件”。有没有可以解析一行而不是整个文件的库？谢谢！

【解决方案2】：

您实际上可以使用正则表达式拆分该行。

val s = """data0, "data1", data2, data3, "data4-1, data4-2, data4-3", data5"""

"""((".*?")|('.*?')|[^"',]+)+""".r.findAllIn(s).foreach(println)

顺便说一句。任何可以解析 csv 文件的库也可以解析单个 csv 行。只需将字符串包装到 StringReader 中即可。

【讨论】：

谢谢！您能否详细说明“任何可以解析 csv 文件的库也可以解析单个 csv 行”。例如，如何修改以下文件解析器以解析单个 csv 行？ CSVReader reader = new CSVReader(new FileReader("yourfile.csv"));
应该像这样工作CSVReader reader = new CSVReader(new StringReader("data1,data2,data3"))

【解决方案3】：

我建议使用 CSV 库来解析 CSV 数据 - 格式很混乱，而且很难正确处理。

我建议kantan.csv，主要是因为我是作者，但也因为它让您比将 CSV 流转换为字符串数组列表更进一步。以以下输入为例：

1,Foo,2.0
2,Bar,false

使用kantan.csv，你可以写：

import kantan.csv.ops._

new File("path/to/csv").asUnsafeCsvRows[(Int, String, Either[Float, Boolean])](',', false)

在结果上调用toList 将产生：

List((1,Foo,Left(2.0)), (2,Bar,Right(false)))

请注意最后一列是浮点数还是布尔值，但这是在迭代器的每个元素的类型中捕获的。

【讨论】：

【解决方案4】：

以下是我解析 CSV 行的解决方案：

String[] res = row.split(";");
for (int i = 0; i < res.length; i++) {
    res[i] = deQuotes(res[i]);
}
return res;

用 REGEXP 删除引号：

static final Pattern PATTERN_DE_QUOTES = Pattern.compile("(?i)^\\\"(.*)\\\"$");

static String deQuotes(String s) {
    Matcher matcher;
    if ((matcher = PATTERN_DE_QUOTES.matcher(s)).find()) {
        return matcher.group(1).replaceAll("\"\"", "\"");
    }
    return s;
}

希望对你有帮助。

【讨论】：