我正在使用Commons CSV来解析与电视节目相关的CSV内容。其中一个节目的节目名称包含双引号;
116,6,2,29 9月10日,“JJ”(60分钟)",”http://www.tvmaze.com/episodes/4855/criminal-minds-6x02-jj“
showname是“JJ”(60分钟),它已经在双引号中了。这将引发一个IOException java.io.IOException:(第1行)封装标记和分隔符之间字符无效。
ArrayList<String> allElements = new ArrayList<String>();
CSVFormat csvFormat = CSVFormat.DEFAULT;
CSVParser csvFileParser = new CSVParser(new StringReader(line), csvFormat);
List<CSVRecord> csvRecords = null;
csvRecords = csvFileParser.getRecords();
for (CSVRecord record : csvRecords) {
int length = record.size();
for (int x = 0; x < length; x++) {
allElements.add(record.get(x));
}
}
csvFileParser.close();
return allElements;
CSV格式.DEFAULT已使用引号('"')设置
我认为此CSV的格式不正确,“JJ”(60分钟)”应该是“JJ”(60分钟)-但是否有方法获得通用CSV来处理此问题,或者我是否需要手动修复此条目?
其他信息:其他节目名称在CSV条目中包含空格和逗号,并放在双引号内。
5条答案
按热度按时间epfja78i1#
这里的问题是引号没有正确转义。你的解析器不能处理这个问题。试试univocity-parsers,因为这是我所知道的唯一一个可以处理带引号值中未转义引号的java解析器。它也比Commons CSV快4倍。试试下面的代码:
这将打印:
希望能有所帮助。
披露:我是这个库的作者,它是开源和免费的(Apache 2.0许可证)
yrdbyhpb2#
引用主要是允许字段包含分隔符。如果字段中的嵌入式引号没有转义,这就不起作用,所以使用引号没有任何意义。如果你的示例值是“JJ”,60分钟,解析器如何知道逗号是字段的一部分?数据格式不能可靠地处理嵌入式逗号,所以如果你想做到这一点,最好更改源代码以生成符合RFC的csv格式。
否则,看起来数据源只是用引号将非数字字段括起来,并用逗号分隔每个字段,因此解析器需要执行相反的操作。您可能只需要将数据视为逗号分隔,并使用removeStart/removeEnd自己去掉前导/尾随引号。
您可以使用CSVFormat .withQuote(null),也可以不使用CSVFormat . withQuote(null),而只使用String .split(',')
6za6bjd03#
您可以使用withEscape('\')忽略引号中的引号
CSV格式= CSV格式.默认.带转义('\')
参考:https://commons.apache.org/proper/commons-csv/apidocs/org/apache/commons/csv/CSVFormat.html
hi3rlvi24#
我认为在同一个标记中同时包含引号和空格会让解析器感到困惑。
这样应该就好了。
示例
对于输入行:
输出为(且不会掷回例外状况):
csbfibhn5#
无需特殊解析器:只需在双引号前面加上一个双引号:
RFC 4180中对此进行了详细说明
CSVFormat #DEFAULT已经实现了这一点。