解析内容中的封装器未正确转义的 CSV 文件答案

【问题标题】：Parsing CSV file where encapsulator in content ain't escaped properly解析内容中的封装器未正确转义的 CSV 文件
【发布时间】：2017-05-16 09:59:52
【问题描述】：

您好，我有一个 CSV 文件，其中封装字符未正确转义。

例子

uerf@einf.erf,"uhrege gerjhhg er<span style="background-color: rgb(0,153,0);">eriueiru kernger</span><font color="#009900"><span style="background-color: rgb(255,255,255);"> weiufhuweifbw fhew fibwefbw</span></font><div><font color="#009900"><span style="background-color: rgb(255,255,255);">wekifbwe fewf</span></font></div><div><font color="#009900"><span style="background-color: rgb(255,255,255);">weiuifgewbfjew f</span></font></div>",18-Oct-2016,

分隔符 -> ,

封装器 -> "

当我尝试使用 commons-csv reader 阅读时，它会中断，抛出“invalid char between encapsulated token and delimiter”异常。

但是 Microsoft excel 似乎可以完美地打开文件。关于如何处理的任何想法？ .

如何解析封装器未正确转义的 CSV 文件？Excel 似乎可以正常打开此类文件。

【问题讨论】：

我发现这个有用的stackoverflow.com/questions/15210568/… Libre office 和 excel 似乎在进行有根据的猜测。我怎么做一样的？

标签： java excel apache csv apache-commons

【解决方案1】：

如果您无法从源头解决此问题（即生成格式良好的 csv），并且您想自己解析此问题，则可以采用简单的方法：

将 field1 扫描到 ," - field2 到 ", - 其余为 field3（尾随逗号？）。

当然，如果在 html 字段中出现",，那就有问题了。您可以通过首先扫描到 ,"，然后向后（从行尾开始）扫描到 ", 来解决这个问题。

如果字段多于您在此处显示的字段，您可以查找 , 与 " 的组合（两种组合，也可以是 ","）并希望这些字段不会出现在字段数据中。

【讨论】：

【解决方案2】：

univocity-parsers 有一个 CSV 解析器，可以正确处理此类输入。

    //first configure the parser
    CsvParserSettings settings = new CsvParserSettings();
    settings.setUnescapedQuoteHandling(UnescapedQuoteHandling.STOP_AT_CLOSING_QUOTE);

    //then create a parser and parse your input line:
    CsvParser parser = new CsvParser(settings);
    String[] result = parser.parseLine("" +
            "uerf@einf.erf,\"uhrege gerjhhg er<span style=\"background-color: rgb(0,153,0);\">eriueiru kernger</span><font color=\"#009900\"><span style=\"background-color: rgb(255,255,255);\"> weiufhuweifbw fhew fibwefbw</span></font><div><font color=\"#009900\"><span style=\"background-color: rgb(255,255,255);\">wekifbwe fewf</span></font></div><div><font color=\"#009900\"><span style=\"background-color: rgb(255,255,255);\">weiuifgewbfjew f</span></font></div>\",18-Oct-2016,");

    //here's the result (one value per line)
    for (String v : result) {
        System.out.println(v);
    }

打印出来：

uerf@einf.erf
uhrege gerjhhg er<span style="background-color: rgb(0,153,0);">eriueiru kernger</span><font color="#009900"><span style="background-color: rgb(255,255,255);"> weiufhuweifbw fhew fibwefbw</span></font><div><font color="#009900"><span style="background-color: rgb(255,255,255);">wekifbwe fewf</span></font></div><div><font color="#009900"><span style="background-color: rgb(255,255,255);">weiuifgewbfjew f</span></font></div>
18-Oct-2016
null

希望对你有帮助。

免责声明：我是这个库的作者。它是开源和免费的（Apache v2.0 许可证）

【讨论】：