如何检测输入的 csv 文件是否有嵌入引号？答案

【问题标题】：How to detect if the input csv file has embedded quotes?如何检测输入的 csv 文件是否有嵌入引号？
【发布时间】：2016-06-21 03:01:55
【问题描述】：

我正在编写一个工具，它接受一个 csv 文件的输入并创建一个新的 csv 文件作为输出，并修改了一些字段。在某些情况下，输入 csv 文件在逗号前后嵌入了引号，例如：“a”、“b”、“c”，而在其他情况下，我直接使用 a、b、c。我遇到的问题是，如果输入的 csv 文件嵌入了引号，那么我希望生成的 csv 文件应该具有相同的嵌入引号。我知道我可以在 CSVWriter 的构造函数中控制此设置，如下所示：

CSVWriter writer = 
    new CSVWriter(new FileWriter(csv), ',', CSVWriter.NO_QUOTE_CHARACTER)

但是如何检测我们有哪种情况呢？我是否应该编写一个计算引号字符数的正则表达式并将其与的计数进行比较，看看它是否超过两倍？例如 "a","b","c" 有 6 个引号和 2 个逗号。

【问题讨论】：

通常只有带逗号的字符串被引用。例如。 Hello, World 可能会显示为 "Hello, World"，但 Hello World 不会。我怀疑你应该控制每个字段的报价。
实际上在我拥有的文件中，要么整行都嵌入了引号，要么根本没有嵌入引号
是每行还是每个文件的问题？另外，你能有一排引号不算嵌入吗？
问题在于每个文件，如果输入 csv 文件的所有行都嵌入了引号，那么我希望输出 csv 文件具有相同的模式，即保留这些嵌入的引号
为什么不使用现有的库，如 opencsv.sourceforge.net 或 commons.apache.org/proper/commons-csv ？它已经为您处理好了。

标签： java regex file csv

【解决方案1】：

您必须阅读整行以检查它是否是嵌入式引号文件。如果您信任您的输入，那么您只需检查第一行（如果您的第一行是列定义，则检查第二行）。

对于这一行，检查它是否以双引号开始和结束（检查该行的第一个和最后一个字符是否为字符串）。

如果你仍然足够相信你的输入，你可以在这里停下来，或者计算“，”的数量（不仅仅是逗号，quote-comma-quote 结构，我猜没有空格）并将其与您的行数进行比较csv 文件应该有（减一），如果它是一个固定值。

如果不是每行的固定值，您的解决方案应该可以工作，因为无论如何正常情况下，CSV 都不应该有逗号作为内容（就像 OldCurmudgeon 在评论中给出的“Hello, world”示例）。

但话又说回来，这更多地取决于您对 csv 格式良好的信任程度，并且您最好确保在异常输入更进一步之前检测到它们。

【讨论】：

【解决方案2】：

您可以尝试uniVocity-parsers 来检测格式：

CsvParserSettings parserSettings = new CsvParserSettings(); //many options here, check the tutorial.
parserSettings.detectFormatAutomatically();

CsvParser parser = new CsvParser(parserSettings);

//parse and get the detected format
List<String[]> parsedRows = parser.parseAll(new File("/path/to/input.csv"));
CsvFormat detectedFormat = parser.getDetectedFormat();

//now, write using the detected format:
CsvWriterSettings writerSettings = new CsvWriterSettings();
writerSettings.setFormat(detectedFormat);

CsvWriter writer = new CsvWriter(new File("/path/to/output.csv"), writerSettings);
writer.writeStringRowsAndClose(parsedRows);

披露：我是这个库的作者。它是开源和免费的（Apache 2.0 许可证）

【讨论】：