对 CSV 特殊字符使用临时占位符是一种不好的做法吗？答案

【问题标题】：Is using temporary placeholders for CSV special characters a bad practice?对 CSV 特殊字符使用临时占位符是一种不好的做法吗？
【发布时间】：2019-11-26 12:06:02
【问题描述】：

我正在处理许多不同格式的 CSV 文件，通常由普通用户手工编写，因此字段内有很多 ; , \n 和 \t 等, 这种字符通常在解析数据或生成新的 CSV 文件时会引起麻烦，我通常会事先删除这些字符，但今天我在一个旧程序中发现了以下代码：

它从resultSet读取数据并将每个值连接成String形成一行，并处理分隔符（我们通常使用;），这段代码首先使用了一个临时标志，如#TempSeparator#划分每个字段，然后，当行完成时，应用replaceAll(";","") 删除假分隔符，然后，replaceAll("#TempSeparator#", ";") 形成有效行

我实际上认为这是一种避免对每个字段进行不必要调用的聪明方法，并且只对整行进行替换，但我认为这不是最好的，甚至不是最佳的方法。

这真的是个坏习惯吗？

【问题讨论】：

标签： java string csv

【解决方案1】：

这不是非常糟糕，但也不是最好的方法。

尽可能使用标准库。 Here is a list 的优秀库，其中 SuperCSV 在支持 CSV 变体方面特别强大。这些库遵循最佳实践：在字段中使用特殊字符时会转义，或者字段被换行（通常带有引号）。

如果 CSV 格式已经不正确，以至于特殊字符出现在字段中而没有适当的转义或换行，那么您手上就有数据清理问题，需要通过其他方式解决。用临时占位符替换字符并不能解决此问题，因为占位符同样会出现在字段内部和字段之间。

【讨论】：

【解决方案2】：

这种方法对我来说听起来不是很优雅。你描述：

每个输入字段，使用#TempSeparator# 将其连接到单个字符串中
从结果字符串中消除所有;
将所有出现的#TempSeparator# 替换为;

这是 3 个步骤。怎么样：

每个输入字段，去掉所有;
然后，使用; 将其连接到一个字符串中

少了一步。因此，更好。

一些示例代码来展示为什么这更简单：

流式：

collection.stream().collect(Collectors.joining("#TempSeparator#"))
    .replace(";", "").replace("#TempSeparator#", ";");

对比

collection.stream().map(x -> x.replace(";", ""))
    .collect(Collectors.joining(";"));

【讨论】：

【解决方案3】：

它是过度设计的，一个不必要的人工制品。

至少使用一个常量字符：

private static final char TEMP_SEPARATOR = '\u001f';

标签通常不会出现在文本\t 中，它是理想的分隔符。
否则一个控制字符会做：单位分隔符\u001f。可能是 Unicode 的。
一个几乎无法使用的字符是\u0000。

优点是效率：

s = s.replace(';', ',').replace('\u0000', ';');

最好的解决方案仍然是替换单元格值本身的分隔符。对于换行符可能必须这样做。

关于最后的分隔符：恕我直言，制表符是比分号更好的选择，因为用空格替换制表符确实只会改变文本 w.r.t。空白。即：不会出现任何要求。喜欢的房间号必须是楼“;”号码。

【讨论】：