Java 从特定格式的CSV文件中提取数据

给定CSV文件中一行的数据格式：

'data(g1),data(g1)','data(g2),data(g2),data(g2),,,',,,'data(g5),,,data(g5)',

这是CSV格式，但对于单独的数据组，它使用

''

要将它们分组，请执行以下操作：

.....'data(g2),data(g2),data(g2),,,'....

但也有这样尴尬的情况：一行可能会遗漏一些组，而对于一个组来说，它可能遗漏一些字段。但对于所有缺少的部分，它仍然使用逗号来分隔它们。因此，每行将始终有6组数据。那我怎么才能得到全部6组数据呢？即使它什么都不包含

我尝试像这样使用正则表达式：

String row = <the above data row>;
String[] dataGroups = row.split(',');

Matcher m = Pattern.compile("('.*')?,('.*')?,('.*')?,('.*')?,('.*')?,('.*')?").matcher(row);
m.find();
m.group(1); //gives you the first group on the line; 
//change the index to get the other groups

它们的长度为6。

---

那么剩下的部分就很容易了。

您的文件格式是否足够可靠，可以只作为数据组的开始和开始？然后，您可以删除行的开头和结尾处的“，”，然后用“，”三个符号代替逗号。

Hm。像这样的正则表达式呢

('.*')?,('.*')?,('.*')?,('.*')?,('.*')?,('.*')?

它很难看，但可能会正常工作

佩尔，你应该这样做：

String row = <the above data row>;
String[] dataGroups = row.split(',');

Matcher m = Pattern.compile("('.*')?,('.*')?,('.*')?,('.*')?,('.*')?,('.*')?").matcher(row);
m.find();
m.group(1); //gives you the first group on the line; 
//change the index to get the other groups

然后，您可以使用.split'、'

---

这里有一个实时版本：

我认为这更像是一个消毒问题。所有行是否都以单引号开头

如果是，您可以执行以下操作：

通过正则表达式获取引号内的所有内容。 然后，对于每一行，使用逗号拆分为列。 然后将拆分的组记录到列表>中，其中外部列表是行，嵌套列表是列。 如果嵌套列表的大小不是6，则可以在末尾使用逗号进行调整。

---

在我看来，阅读和消费这本书更干净。

根据您的一条评论，您需要分析以下内容：

....,'data(gn),data(gn),subdata='datavalue',data(gn),,',.....

只有中的CSV解析器可以解析该内容。您的输入在一个带引号的值中有未加引号的引号。这将破坏任何其他用于Java的CSV解析库，请随意尝试

您所拥有的与此类似：

something,"text with "unescaped quotes" here",something else

您希望将其作为输出：

something
text with "escaped quotes" here
something else

您只需要将您的输入放入uniVocity解析器的CSV解析器

CsvParserSettings parserSettings =  new CsvParserSettings();
parserSettings.setParseUnescapedQuotes(true); //this is enabled by default

CsvParser parser = new CsvParser(parserSettings);
List<String[]> allRows = parser.parseAll(getReader("/examples/bean_test.csv"));

有关此功能的更多详细信息

---

披露：我是这个图书馆的作者。它是开源的、免费的Apache V2.0许可证。

问题是，这是不可配置的，它不能配置为，，，我想的是“datag1，datag1”，“datag2，datag2，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，datag1 datag1，'在这两个组之间，您可以具体说明如何使用它吗？最好显示一些代码这有助于解释吗？好吧，这只是将这些字段分组，但它没有捕获空字段；在OP中的示例上运行-你到底观察到了什么？只是好奇，为什么缺少的字段被表示为“null”，而不是？我可以通过正则表达式获得带引号的所有现有内容，但这意味着我可能会失去一个没有内容的组。我需要捕获它，即使它是一个“空”组，因为每个组的位置对我来说都很重要。如果第4组的内容缺失，我将获得5组内容，但我如何知道缺失了哪一组？组的顺序是至关重要的。空组甚至可以表示为。否则，您如何知道缺少了什么？您为什么不使用Csv库或？？？。这些库可能可以处理格式。我认为这没有帮助。这些库将把引号中的数据视为一个字段，因此您不必担心字段中嵌入的逗号。考虑一下这种情况：…..，'datagn，datagn，subdata='datavalue'，datagn，，'，。。。。。在要访问的一对引号中有一对引号@BruceMartinuniVocity解析器的CSV解析器可以处理未替换的引号。