带有字符串分隔符的Java CSV解析器（多字符）
是否有任何Java开源库支持CSV的多字符 （即长度> 1的字符串）分隔符（分隔符）？
根据定义，CSV =逗号分隔值数据，单个字符（’，’）作为分隔符。 但是，存在许多其他单字符替代方案（例如，制表符），使CSV代表“字符分隔值”数据（本质上，DSV：分隔符分隔值数据）。
用于CSV的主Java开源库（例如， OpenCSV ）几乎支持任何字符作为分隔符，但不支持字符串（多字符）分隔符。 所以，对于用“|||”这样的字符串分隔的数据 除了预处理输入以便将字符串转换为单字符分隔符之外，没有其他选择。 从那时起，数据可以解析为单字符分隔值。
因此，如果有一个本地支持字符串分隔符的库，那将是很好的，因此不需要预处理。 这意味着CSV现在标准为“CharSequence-Separated Values”数据。 🙂
这是一个很好的问题。 在我查看javadocs并意识到opencsv只支持一个字符作为分隔符而不是一个字符串之后，问题对我来说并不明显。
这里有一些建议的解决方法（Groovy中的示例可以转换为java）。
忽略隐含的中间字段
继续使用OpenCSV，但忽略空字段。 显然这是一个骗子，但它可以很好地解析行为良好的数据。
CSVParser csv = new CSVParser((char)'|') String[] result = csv.parseLine('J||Project report||"F, G, I"||1') assert result[0] == "J" assert result[2] == "Project report" assert result[4] == "F, G, I" assert result[6] == "1" 要么
CSVParser csv = new CSVParser((char)'|') String[] result = csv.parseLine('J
Project report
“F, G, I”
1′) assert result[0] == “J” assert result[3] == “Project report” assert result[6] == “F, G, I” assert result[9] == “1”
滚动你自己
使用Java String tokenizer方法。
def result = 'J
Project report
“F, G, I”
1′.tokenize(‘
‘) assert result[0] == “J” assert result[1] == “Project report” assert result[2] == “\”F, G, I\”” assert result[3] == “1”
这种方法的缺点是你失去了忽略引号字符或转义分隔符的能力。
更新
而不是预处理数据，改变它的内容，为什么不在两个步骤中结合上述两种方法：
- 使用“自己动手”来首先validation数据。 拆分每一行并certificate它包含必要数量的字段。
- 使用“字段忽略”方法来解析经过validation的数据，确保已经指定了正确数量的字段。
编写自己的CSV解析器效率不高，但可能更容易:-)
试试opencsv 。
它可以完成您需要的一切，包括（尤其）在引用值内处理嵌入式分隔符（例如"a,b", "c"解析为["a,b", "c"] ）
我已成功使用它，我喜欢它。
编辑：
由于opencsv只处理单字符分隔符，因此您可以解决此问题：
String input; char someCharNotInInput = '|'; String delimiter = "abc"; // or whatever input.replaceAll(delimiter, someCharNotInInput); new CSVReader(input, someCharNotInInput); // etc // Put it back into each value read value.replaceAll(someCharNotInInput, delimiter); // in case it's inside delimiters
这些解决方案都不适用于我，因为他们都假设您可以将整个CSV文件存储在内存中，以便轻松replaceAll类型的操作。
我知道它很慢，但我选择了Scanner 。 它具有惊人数量的function，并使用您想要的任何字符串作为记录分隔符来滚动您自己的简单CSV阅读器。 它还允许您解析非常大的CSV文件（之前我已经完成了10GB的单个文件），因为您可以一次读取一个记录。
Scanner s = new Scanner(inputStream, "UTF-8").useDelimiter(">|\n");
我更喜欢更快的解决方案，但我找不到支持它的库。 自2017年初以来，FasterXML已经有一个开放的票据来添加这个function： https ： //github.com/FasterXML/jackson-dataformats-text/issues/14