Java jackson dataformat csv:不带POJO的映射数值

我正在尝试使用

jackson dataformat CSV

解析一个CSV文件，我想将数字列映射到数字java类型

CsvSchema schema = CsvSchema.builder().setUseHeader(true)
    .addColumn("firstName", CsvSchema.ColumnType.STRING)
    .addColumn("lastName", CsvSchema.ColumnType.STRING)
    .addColumn("age", CsvSchema.ColumnType.NUMBER)
    .build();

CsvMapper csvMapper = new CsvMapper();  

MappingIterator<Map<String, Object>> mappingIterator = csvMapper
        .readerFor(Map.class)
        .with(schema)
        .readValues(is);        

while (mappingIterator.hasNext()) {
    Map<String, Object> entryMap = mappingIterator.next();
    Number age = (Number) entryMap.get("age");
}       

我知道

CsvSchema

在POJO中工作得很好，但我需要处理任意的CSV模式，所以我不能为每种情况创建一个新的java类

---

将CSV解析为键入的

映射

或

数组

的任何方法？

目前无法使用

CsvSchema

配置

映射

反序列化。进程使用

com.fasterxml.jackson.databind.deser.std.MapDeserializer

，它现在不检查模式。我们可以编写自定义

Map

反序列化程序。GitHub上有一个问题：

cowtowncoder

回答：

在这一点上，模式类型并没有用于任何事情，但我同意 应该这样

编辑 我决定仔细看看我们能做些什么，因为

com.fasterxml.jackson.databind.desr.std.MapDeserializer

在幕后使用。实现定制的

Map

反序列化器（它将关注类型）将很难实现和注册，但我们可以使用

ValueInstantiator

的相关知识。让我们定义新的

Map

type，它知道如何处理

ColumnType

info:

class CsvMap extends HashMap<String, Object> {

    private final CsvSchema schema;
    private final NumberFormat numberFormat = NumberFormat.getInstance();

    public CsvMap(CsvSchema schema) {
        this.schema = schema;
    }

    @Override
    public Object put(String key, Object value) {
        value = convertIfNeeded(key, value);
        return super.put(key, value);
    }

    private Object convertIfNeeded(String key, Object value) {
        CsvSchema.Column column = schema.column(key);
        if (column.getType() == CsvSchema.ColumnType.NUMBER) {
            try {
                return numberFormat.parse(value.toString());
            } catch (ParseException e) {
                // leave it as it is
            }
        }

        return value;
    }
}

用法示例：

import com.fasterxml.jackson.databind.DeserializationContext;
import com.fasterxml.jackson.databind.MappingIterator;
import com.fasterxml.jackson.databind.ObjectReader;
import com.fasterxml.jackson.databind.deser.ValueInstantiator;
import com.fasterxml.jackson.databind.module.SimpleModule;
import com.fasterxml.jackson.dataformat.csv.CsvMapper;
import com.fasterxml.jackson.dataformat.csv.CsvSchema;

import java.io.File;
import java.io.IOException;
import java.text.NumberFormat;
import java.text.ParseException;
import java.util.HashMap;

public class CsvApp {

    public static void main(String[] args) throws IOException {
        File csvFile = new File("./resource/test.csv").getAbsoluteFile();

        CsvSchema schema = CsvSchema.builder()
                .addColumn("firstName", CsvSchema.ColumnType.STRING)
                .addColumn("lastName", CsvSchema.ColumnType.STRING)
                .addColumn("age", CsvSchema.ColumnType.NUMBER)
                .build().withHeader();

        // Create schema aware map module
        SimpleModule csvMapModule = new SimpleModule();
        csvMapModule.addValueInstantiator(CsvMap.class, new CsvMapInstantiator(schema));

        // register map
        CsvMapper csvMapper = new CsvMapper();
        csvMapper.registerModule(csvMapModule);

        // get reader for CsvMap + schema
        ObjectReader objectReaderWithSchema = csvMapper
                .readerWithSchemaFor(CsvMap.class)
                .with(schema);

        MappingIterator<CsvMap> mappingIterator = objectReaderWithSchema.readValues(csvFile);

        while (mappingIterator.hasNext()) {
            CsvMap entryMap = mappingIterator.next();

            Number age = (Number) entryMap.get("age");
            System.out.println(age + " (" + age.getClass() + ")");
        }
    }
}

印刷品：

21 (class java.lang.Long)
-10.1 (class java.lang.Double)

这看起来像一个黑客，但我想展示这种可能性。

你可以用它来做这类事情。它更快、更灵活：

CsvParserSettingssettings = new CsvParserSettings(); //configure the parser if needed
CsvParser parser = new CsvParser(settings);

for (Record record : parser.iterateRecords(is)) {
    Short age = record.getShort("age");
}

要获取类型化映射，请告诉解析器您正在处理的列的类型：

parser.getRecordMetadata().setTypeOfColumns(Short.class, "age" /*, and other column names*/);

//to get 0 instead of nulls when the field is empty in the file:
parser.getRecordMetadata().setDefaultValueOfColumns("0", "age", /*, and other column names*/);

// then parse
for (Record record : parser.iterateRecords(is)) {
    Map<String,Object> map = record.toFieldMap();
}

parser.getRecordMetadata（）.setTypeOfColumns（Short.class，“age”/*和其他列名*/）；
//要在文件中字段为空时获取0而不是null，请执行以下操作：
parser.getRecordMetadata（）.setDefaultValueOfColumns（“0”、“年龄”、/*和其他列名*/）；
//然后解析
for（记录：parser.iteratereRecords（is））{
Map Map=record.toFieldMap（）；
}

希望这有帮助

---

免责声明：我是这个图书馆的作者。它是开源和免费的（Apache 2.0许可证）

谢谢你，Michał。我将寻找其他解决方案。@IgorLuzhanov，请看第页。@IgorLuzhanov，我知道你已经接受了其他答案，但也许你会发现一些有用的东西。

21 (class java.lang.Long)
-10.1 (class java.lang.Double)

CsvParserSettingssettings = new CsvParserSettings(); //configure the parser if needed
CsvParser parser = new CsvParser(settings);

for (Record record : parser.iterateRecords(is)) {
    Short age = record.getShort("age");
}

parser.getRecordMetadata().setTypeOfColumns(Short.class, "age" /*, and other column names*/);

//to get 0 instead of nulls when the field is empty in the file:
parser.getRecordMetadata().setDefaultValueOfColumns("0", "age", /*, and other column names*/);

// then parse
for (Record record : parser.iterateRecords(is)) {
    Map<String,Object> map = record.toFieldMap();
}