如何从 Java 中的文本文件中读取格式化数据

Question

所以在过去的一周里，我完成了这个作业，我在这个作业中要做的一件事就是从文本文件中读取格式化数据。格式化我的意思是这样的：

{
    Marsha      1234     Florida   1268
    Jane        1523     Texas     4456
    Mark        7253     Georgia   1234
}

（注意：这只是一个例子。不是我作业中的实际数据。）

现在我一直在尝试自己解决这个问题。我尝试将每一行读取为字符串并使用.substring() 获取所述字符串的某些部分并将其放入数组中，然后从数组中获取该字符串的索引并将其打印到屏幕上。现在我已经尝试了这个想法的一些不同的变体，但它只是不起作用。它要么以错误告终，要么以奇怪的方式输出数据。现在作业明天到期，我不知道该怎么办。如果有人可以在这件事上为我提供一些帮助，将不胜感激。

Answer 1

对于您给出的示例，使用正则表达式模式 \s+ 分割行会起作用：

String s = "Marsha      1234     Florida   1268";
s.split("\\s+");

生成一个包含 4 个元素“Marsha”、“1234”、“Florida”和“1268”的数组。

我使用的模式匹配一​​个或多个空白字符 - 有关详细信息和其他选项，请参阅 The JavaDocs of Pattern。

---

另一种方法是定义您的行需要作为一个整体匹配的模式，并捕获您感兴趣的组：

String s = "Marsha      1234     Florida   1268";

Pattern pattern = Pattern.compile("(\\w+)\\s+(\\d+)\\s+(\\w+)\\s+(\\d+)");
Matcher matcher = pattern.matcher(s);

if (!matcher.matches())
    throw new IllegalArgumentException("line does not match the expected pattern"); //or do whatever else is appropriate for your use case

String name = matcher.group(1);
String id = matcher.group(2);
String state = matcher.group(3);
String whatever = matcher.group(4);

此模式要求第二组和第四组仅包含数字。

但是请注意，如果您的数据也可以包含空格，那么这两种方法都会失效 - 在这种情况下，您需要不同的模式。

Answer 2

首先您必须知道文件的格式。如果它以 { 开头并以 } 结尾，就像您的示例一样。数据的分隔符是什么？例如分隔符可以是分号、空格等。知道了这一点，您就可以开始构建应用程序了。在您的示例中，我将编写如下内容：

public class MainClass
{

public static void main(String[] args)
{
    String s = "{\r\n"+
               "Marsha      1234     Florida   1268\r\n" + 
               "Jane        1523     Texas     4456\r\n" + 
               "Mark        7253     Georgia   1234\r\n"+
               "}\r\n";

    String[] rows = s.split("\r\n");

    //Here we will keep evertihing without the first and the last row
    List<String> importantRows = new ArrayList<>(rows.length-2);
    //lets assume that we do not need the first and the last row
    for(int i=0; i<rows.length; i++)
    {
        //String r = rows[i];
        //System.out.println(r);

        if(i>0 && i<rows.length)
        {
            importantRows.add(rows[i]);
        }

    }

    List<String> importantWords = new ArrayList<>(rows.length-2);
    //Now lets split every 'word' from row
    for(String rowImportantData : importantRows)
    {
        String[] oneRowData = rowImportantData.split(" ");

        //Here we will have one row like: [Marsha][ ][ ][ ][1234][ ][ ][ ][Florida][ ][ ][1268]
        // We need to remove the whitespace. This happen because there is more        
        //then one whitespace one after another. You can use some regex or another approach 
        // but I will show you this because you can have data that you do not need and you want to remove it.
        for(String data : oneRowData)
        {
            if(!data.trim().isEmpty())
            {
                importantWords.add(data);
            }
            //System.out.println(data);
        }

    }

    //Now we have the words.
    //You must know the rules that apply for this data. Let's assume from your example that you have (Name Number) group
    //If we want to print every group (Name Number) and we have in this state list with [Name][Number][Name][Number]....
    //Then we can print it this way
    for(int i=0; i<importantWords.size()-1; i=i+2)
    {
        System.out.println(importantWords.get(i) + " " + importantWords.get(i+1));
    }

}

}

这只是一个例子。您可以通过许多不同的方式制作您的应用程序。重要的部分是你要知道你想要处理的信息的初始状态是什么，你想要达到什么结果。

祝你好运！

Answer 3

您可以使用多种不同的方法来读取此格式化文件。我建议您首先从文本中提取相关数据作为字符串列表，然后将这些行分成字段。这是一个示例，说明如何使用您提供的数据样本来做到这一点：

import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors;

public class CustomTextReader {

    public static void main(String[] args) {
        String text =
                "Marsha      1234     Florida   1268\r\n" + 
                "Jane        1523     Texas     4456\r\n" + 
                "Mark        7253     Georgia   1234";

        //Extract the relevant data from the text as a list of arrays
        //  in which each array is a line, and each element is a field. 
        List<String[]> data = getData(text);
        //Just printing the results
        print(data);
    }

    private static List<String[]> getData(String text) {
        //1. Separate content into lines.
        return Arrays.stream(text.split("\r\n"))
                //2. Separate lines into fields.
                .map(s -> s.split("\\s{2,}"))
                .collect(Collectors.toList());
    }

    private static void print(List<String[]> data) {
        data.forEach(line -> {
            for(String field : line) {
                System.out.print(field + " | ");
            }
            System.out.println();
        });

    }
}

了解数据的格式非常重要。如果您知道这些字段不包含空格，则可以使用" " 或\\s{2,} 作为第 2 步中拆分字符串的模式。但如果您认为数据可能包含带空格的字段（例如“North Carolina” )，最好使用另一个正则表达式，例如\\s{2,}（这就是我在上面的示例中所做的）。希望对你有所帮助！

Answer 4

我真的相信@JoniVR 的建议会很有帮助，您应该考虑为每行的列使用分隔符。目前，您将无法解析像名字“Mary Ann”这样的复合数据。此外，由于您提供的示例数据已经有 4 行，您应该有一个 POJO 来表示从文件解析的数据。一个概念性的看起来像：

class MyPojo {

    private String name;
    private int postCode;
    private String state;
    private int cityId;

    public MyPojo(String name, int postCode, String state, int cityId) {
        this.name = name;
        this.postCode = postCode;
        this.state = state;
        this.cityId = cityId;
    }

    public String getName() {
        return name;
    }

    public void setName(String name) {
        this.name = name;
    }

    public int getPostCode() {
        return postCode;
    }

    public void setPostCode(int postCode) {
        this.postCode = postCode;
    }

    public String getState() {
        return state;
    }

    public void setState(String state) {
        this.state = state;
    }

    public int getCityId() {
        return cityId;
    }

    public void setCityId(int cityId) {
        this.cityId = cityId;
    }

    @Override
    public String toString() {
        return "MyPojo{" +
            "name='" + name + '\'' +
            ", postCode=" + postCode +
            ", state='" + state + '\'' +
            ", cityId=" + cityId +
            '}';
    }
}

然后您希望在验证行后遇到错误，我猜想，因此最好考虑某种类型的 Error 类来存储这些错误（可能是一个设计合理的扩展 Exception 类的类？）。为此目的，一个非常简单的类是：

class InsertionError {
    private String message;
    private int lineNumber;

    public InsertionError(String message, int lineNumber) {
        this.message = message;
        this.lineNumber = lineNumber;
    }

    @Override
    public String toString() {
        return "Error at line " + lineNumber + " -> " + message;
    }
}

然后解决方案本身应该：
1. 分割线。
2. 标记每行的列并解析/验证它们。
3. 以有用的 java 表示形式收集列数据。

可能是这样的：

private static final int HEADERS_COUNT = 4;
private static final int LINE_NUMBER_CURSOR = 0;

public static void main(String[] args) {
    String data =   "Marsha      1234     Florida   1268\n" +
                    "Jasmine     Texas    4456\n" +
                    "Jane        1523     Texas     4456\n" +
                    "Jasmine     Texas    2233      asd\n" +
                    "Mark        7253     Georgia   1234";

    int[] lineNumber = new int[1];

    List<InsertionError> errors = new ArrayList<>();

    List<MyPojo> insertedPojo = Arrays.stream(data.split("\n"))
        .map(x -> x.split("\\p{Blank}+"))
        .map(x -> {
            lineNumber[LINE_NUMBER_CURSOR]++;

            if (x.length == HEADERS_COUNT) {
                Integer postCode = null;
                Integer cityId = null;

                try {
                    postCode = Integer.valueOf(x[1]);
                } catch (NumberFormatException ignored) {
                    errors.add(new InsertionError("\"" + x[1] + "\" is not a numeric value.", lineNumber[LINE_NUMBER_CURSOR]));
                }

                try {
                    cityId = Integer.valueOf(x[3]);
                } catch (NumberFormatException ignored) {
                    errors.add(new InsertionError("\"" + x[3] + "\" is not a numeric value.", lineNumber[LINE_NUMBER_CURSOR]));
                }

                if (postCode != null && cityId != null) {
                    return new MyPojo(x[0], postCode, x[2], cityId);
                }
            } else {
                errors.add(new InsertionError("Columns count does not match headers count.", lineNumber[LINE_NUMBER_CURSOR]));
            }
            return null;
        })
        .filter(Objects::nonNull)
        .collect(Collectors.toList());

    errors.forEach(System.out::println);

    System.out.println("Number of successfully inserted Pojos is " + insertedPojo.size() + ". Respectively they are: ");

    insertedPojo.forEach(System.out::println);
}

，打印：

第 2 行出错 -> 列数与标题数不匹配。
第 4 行出错 -> “Texas”不是数值。
第 4 行出错 -> “asd”不是数值。
成功插入的 Pojo 数量为 3。分别是：
MyPojo{name='Marsha', postCode=1234, state='Florida', cityId=1268}
MyPojo{name='Jane', postCode=1523, state='Texas', cityId=4456}
MyPojo{name='Mark', postCode=7253, state='Georgia', cityId=1234}