使用 java 读取 csv 文件 - 文本字段中的逗号分隔符答案

【问题标题】：read csv file with java - comma delimiter in text field使用 java 读取 csv 文件 - 文本字段中的逗号分隔符
【发布时间】：2011-11-07 09:42:35
【问题描述】：

我有一个逗号分隔的 CSV 文件，其中包含 NASDAQ 符号。我使用 Scanner 读取文件

  s = new Scanner(new File("C:\\nasdaq_companylist.csv")).useDelimiter("\\s*,\\s*");

我在第二个字段上遇到异常。问题是该字段与文件中的其他一些字段一样也包含逗号，例如“1-800 FLOWERS.COM, Inc.”：

FLWS,"1-800 FLOWERS.COM, Inc.",2.8,76022800,n/a,1999,Consumer Services,Other Specialty Stores,http://www.nasdaq.com/symbol/flws

如何避免这个问题？我的代码是：

List<Stock> theList = new ArrayList<Stock>();
    StringBuilder sb = new StringBuilder();

    //get the title
    String title = s.nextLine();
    System.out.println("title: "+title);

    while (s.hasNext()) 
    {

        String symbol = s.next();
        String name = s.next();
        double lastSale = s.nextDouble();           
        long marketCap = s.nextLong();
        String adr =s.next();
        String ipoYear=s.next();
        String sector=s.next();
        String industry = s.next();
        String summaryQuote = s.next();
        theList.add(newStock(symbol,lastSale));}

谢谢

【问题讨论】：

Dealing with commas in a CSV file 的可能重复项
你可能想看看这个问题stackoverflow.com/questions/1757065/…

标签： java csv

【解决方案1】：

除非这是家庭作业，否则您不应自己解析 CSV。使用现有库之一。比如这个：http://commons.apache.org/sandbox/csv/

或谷歌“java csv parser”并选择另一个。

但如果你想自己实现逻辑，你应该使用正则表达式的负前瞻功能（参见http://download.oracle.com/javase/1,5.0/docs/api/java/util/regex/Pattern.html）

【讨论】：

感谢 Alex，我找到了一些用于解析 CSV 文件的库。最后我使用了 opencsv

【解决方案2】：

您最安全的选择是使用 csv 解析库。您的逗号用引号括起来。您需要实现逻辑来查找带引号的逗号。但是，您还需要计划其他情况，例如引用中的引用、转义序列等。最好使用一些现成的和经过测试的解决方案。用谷歌，你会找到一些。单独使用 CSV 文件可能会很棘手。

【讨论】：

【解决方案3】：

正如其他人正确指出的那样，滚动您自己的 csv 解析器并不是一个好主意，因为它通常会在您的系统中留下巨大的安全漏洞。

也就是说，我使用这个正则表达式：

"((?:\"[^\"]*?\")*|[^\"][^,]*?)([,]|$)"

在格式良好的 csv 数据方面做得很好。您将需要使用Pattern 和Matcher。

这就是它的作用：

/*
 ( - Field Group
   (?: - Non-capturing (because the outer group will do the capturing) consume of quoted strings
    \"  - Start with a quote
    [^\"]*? - Non-greedy match on anything that is not a quote
    \" - End with a quote
   )* - And repeat
  | - Or
   [^\"] - Not starting with a quote
   [^,]*? - Non-greedy match on anything that is not a comma
 ) - End field group
 ( - Separator group
  [,]|$ - Comma separator or end of line
 ) - End separator group 
*/

请注意，它将数据解析为两组，字段和分隔符。它还会在字段中留下引号字符，您可能希望删除它们并将“”替换为“等。

【讨论】：

Paul，感谢您分享正则表达式。自从看到您的回答后，我开始研究自己的正则表达式。

【解决方案4】：

我希望你可以从你的正则表达式中删除 \ \ s *。然后有：

while (s.hasNext() {
    String symbol = s.next();
    if (symbol.startsWith("\"")) {
        while ((symbol.endsWith("\"") || symbol.length() == 1) && s.hasNext()) {
            symbol += "," + s.next();
        }
    }
...

【讨论】：

谢谢乔普的精彩分享