如何在java中拆分CSV输入流

Question

我正在编写一个从标准输入读取 CSV 的 Java 应用程序。但是，我发现我在处理双引号时遇到了一些麻烦。

例如，如果我读到一个文本：

"He said, ""What?"""

输出给了我：

field[0] = `He said, What?"""'

最后两个引号是我不想要的。

这是我的代码：

public class Csv{
private BufferedReader fin;
private String fieldsep;
private ArrayList field;

public Csv(){
    this(System.in, ",");
}


public Csv(InputStream in, String sep){
    this.fin = new BufferedReader(new InputStreamReader(in));
    this.fieldsep = sep;
}


// getline: get one line, grow as needed
public String getline() throws IOException {
    String line;

    line = fin.readLine();
    if (line == null)
        return null;

    field = split(line, fieldsep);

    return line;
}

// split: split line into fields
private static ArrayList split(String line, String sep){
    ArrayList list = new ArrayList();
    int i, j;

    if (line.length() == 0)
        return list;

    i = 0;
    do {
        if (i < line.length() && line.charAt(i) == '"') {
            StringBuffer field = new StringBuffer();
            j = advquoted(line, ++i, sep, field);
            list.add(field.toString());
        } 

        else {
            j = line.indexOf(sep, i);
            if (j == -1)
                j = line.length();
            list.add(line.substring(i, j));
        }
        i = j + sep.length();
    } while (j < line.length());

    return list;
}

// advquoted: quoted field; return index of next separator
private static int advquoted(String s, int i, String sep, StringBuffer field){
    field.setLength(0);
    for ( ; i < s.length(); i++) {
        if (s.charAt(i) == '"' && ++i < s.length() && s.charAt(++i) != '"') {
            int j = s.indexOf(sep, i);
            if (j == -1)
                j = s.length();
            field.append(s.substring(i, j));
            i = j;
            break;
        }
        field.append(s.charAt(i));
    }

    return i;
}

Answer 1

我想这应该没问题。

public class Csv{

   private BufferedReader fin;
   private String fieldsep;
   private ArrayList<String> field;

   public Csv(){
      this(System.in, ",");
   }


   public Csv(InputStream in, String sep){
      this.fin = new BufferedReader(new InputStreamReader(in));
      this.fieldsep = sep;
   }

   // getline: get one line, grow as needed
   public String getline() throws IOException {
      String line;
      line = fin.readLine();
      if (line == null)
        return null;
      field = split(line, fieldsep);
      return line;
   }

   // split: split line into fields
   private ArrayList split(String line, String sep){
      List<String> list = new ArrayList();
      StringTokenizer tokens = new StringTokenizer(line, sep, false);
      while (tokens.hasMoreElements()) {
            String next = (String) tokens.nextElement();
            next = next.trim().replaceAll("\"\"", "\"");
            list.add(next);
      }
      return list;
   }
}

结果是field = [He said, "What?"]。

您应该考虑到 CSV 中的字段可以用双引号括起来。我不知道这是否会导致字段 "What?" 的多个 qoutes，但如果是这样，您应该知道所有字段都应该用双引号括起来。有关 CSV 格式的更多信息，请参阅https://www.ietf.org/rfc/rfc4180.txt。

请注意，您永远不会关闭输入流！这可能会导致内存泄漏。如需更多信息，请参阅Closing BufferedReader and InputStreamReader。

Answer 2

你让它变得非常复杂，只需使用StringTokenizer

String testString = "He said, \"\"What?\"\"";
        StringTokenizer st = new StringTokenizer(testString);
         while (st.hasMoreTokens()) {
             System.out.println(st.nextToken());
         }

输出：

He
said,
""What?""

现在你可以玩这些琴弦了。

Answer 3

正如其他人所建议的，您可以使用 StringTokenizer 让您的生活更轻松。 delimiters 应该是逗号和双引号，并且您希望 StringTokenizer 将分隔符返回给您。当分隔符是逗号时，该字段将是直到下一个逗号的所有内容。当分隔符是“时，该字段将是直到下一个”的所有内容。您可能想要修剪字段并从中删除前导和尾随 "。

Answer 4

正则表达式和流来救援。整个过程只需要一行：

String[] terms = Arrays.stream(csv.split(",(?=(([^\"]*\"){2})*[^\"]*$"))
  .map(s -> s.replace("\"\"", "").toArray(String[]::new);