实施例

Question

我们需要比较两个CSV文件。假设文件一行有几行，第二个文件可以有相同的行数或更多行。大多数行可以在两个文件上保持相同。寻找在这两个文件之间进行差异的最佳方法，并只读取第二个文件与第一个文件有差异的那些行。处理文件的应用程序是Java。

最佳方法是什么？

注意：如果我们知道在第二个文件中更新，插入或删除了一行，那就太棒了。

要求： -

不会有任何重复记录
文件1和文件2可以具有相同的记录，其中包含几行，其中file2中的更新值已更新（记录已更新）
文件2可能会删除几行（这被视为记录已删除）
文件2可能会添加一些新行（这被视为已插入记录）
列的开头可以被视为记录的主键，在两个文件中都不会改变。

Answer 1

执行此操作的一种方法是使用java的Set接口;将每一行作为字符串读取，将其添加到集合中，然后在第一组上使用第二个集合执行removeAll()，从而保留不同的行。当然，这假定文件中没有重复的行。

// using FileUtils to read in the files.
HashSet<String> f1 = new HashSet<String>(FileUtils.readLines("file1.csv"));
HashSet<String> f2 = new HashSet<String>(FileUtils.readLines("file2.csv"));
f1.removeAll(f2); // f1 now contains only the lines which are not in f2

<强>更新

好的，所以你有一个PK字段。我只是假设你知道如何从你的字符串中得到它;使用openCSV或正则表达式或任何你想要的。如上所示设置实际的HashMap而不是HashSet，使用PK作为键，将行作为值。

HashMap<String, String> f1 = new HashMap<String, String>();
HashMap<String, String> f2 = new HashMap<String, String>();
// read f1, f2; use PK field as the key
List<String> deleted = new ArrayList<String>();
List<String> updated = new ArrayList<String>();
for(Map.Entry<String, String> entry : f1.keySet()) {
    if(!f2.containsKey(entry.getKey()) {
        deleted.add(entry.getValue());
    } else {
        if(!f2.get(entry.getKey().equals(f1.getValue())) {
            updated.add(f1.getValue());
        }
    }
}
for(String key : f1.keySet()) {
    f2.remove(key);
}
// f2 now contains only "new" rows

Answer 2

阅读整个第一个文件，并将其放入List。然后一次读取第二行文件，并将每一行与第一个文件的所有行进行比较，看它是否重复。如果它不重复，那么它就是新信息。如果您在阅读时遇到问题，请查看http://opencsv.sourceforge.net/，这是一个非常好的用Java库读取CSV文件的库。

Answer 3

尝试使用java-diff-utils库

实施例

我使用groovy快速演示java库：

两个示例文件之间报告了以下差异：

$ groovy diff
[ChangeDelta, position: 0, lines: [1,11,21,31,41,51] to [1,11,99,31,41,51]]
[DeleteDelta, position: 2, lines: [3,13,23,33,43,53]]
[InsertDelta, position: 5, lines: [6,16,26,36,46,56]]

files1.csv

1,11,21,31,41,51
2,12,22,32,42,52
3,13,23,33,43,53
4,14,24,34,44,54
5,15,25,35,45,55

file2.csv

1,11,99,31,41,51
2,12,22,32,42,52
4,14,24,34,44,54
5,15,25,35,45,55
6,16,26,36,46,56

diff.groovy

//
// Dependencies
// ============
import difflib.*

@Grapes([
    @Grab(group='com.googlecode.java-diff-utils', module='diffutils', version='1.2.1'),
])

//
// Main program
// ============
def original = new File("file1.csv").readLines()
def revised  = new File("file2.csv").readLines()

Patch patch = DiffUtils.diff(original, revised)

patch.getDeltas().each {
    println it
}

更新

根据dbunit FAQ的性能，通过使用ResultSetTableFactory接口的流式修订，可以针对非常大的数据集改进此解决方案的性能。这在ANT任务中启用如下：

ant.dbunit(driver:driver, url:url, userid:user, password:pass) {
    compare(src:"dbunit.xml", format:"flat")
    dbconfig {
        property(name:"datatypeFactory", value:"org.dbunit.ext.h2.H2DataTypeFactory")
        property(name:"resultSetTableFactory", value:"org.dbunit.database.ForwardOnlyResultSetTableFactory")
    }
}

Answer 4

有一个程序可以比较/减去两个CSV文件。它使用ArrayList

import java.io.*;
import java.util.ArrayList;

/* file1 - file2 = file3*/
public class CompareCSV {
public static void main(String args[]) throws FileNotFoundException, IOException
{
    String path="D:\\csv\\";
    String file1="file1.csv";
    String file2="file2.csv";
    String file3="p3lang.csv";
    ArrayList al1=new ArrayList();
    ArrayList al2=new ArrayList();
    //ArrayList al3=new ArrayList();

    BufferedReader CSVFile1 = new BufferedReader(new FileReader(path+file1));
    String dataRow1 = CSVFile1.readLine();
    while (dataRow1 != null)
    {
        String[] dataArray1 = dataRow1.split(",");
        for (String item1:dataArray1)
        { 
           al1.add(item1);
        }

        dataRow1 = CSVFile1.readLine(); // Read next line of data.
    }

     CSVFile1.close();

    BufferedReader CSVFile2 = new BufferedReader(new FileReader(path+file2));
    String dataRow2 = CSVFile2.readLine();
    while (dataRow2 != null)
    {
        String[] dataArray2 = dataRow2.split(",");
        for (String item2:dataArray2)
        { 
           al2.add(item2);

        }
        dataRow2 = CSVFile2.readLine(); // Read next line of data.
    }
     CSVFile2.close();

     for(String bs:al2)
     {
         al1.remove(bs);
     }

     int size=al1.size();
     System.out.println(size);

     try
        {
            FileWriter writer=new FileWriter(path+file3);
            while(size!=0)
            {
                size--;
                writer.append(""+al1.get(size));
                writer.append('\n');
            }
            writer.flush();
            writer.close();
        }
        catch(IOException e)
        {
            e.printStackTrace();
        }
}}

http://p3lang.com/subtract-one-csv-from-another-in-java/

Answer 5

您提到检测“已更新”行。我想这意味着一行在某种程度上具有一定的身份，可以在更新后继续存在。也许单个列或复合列提供标识。这是您个人需要整理和实施的实施细节，它只会为您的解决方案添加更多代码。

无论如何......数据库往往对使用set数据和从csv文件加载数据有很好的支持。所有大型关系数据库都有很好的支持，可以轻松地将csv文件中的数据加载到表中。此时，在两个表之间查找新行或修改的行是非常简单的SQL查询。

它显然不是一个纯粹的java解决方案，但我认为值得一提。

Answer 6

如果要比较存储在字符串变量中的两个csv响应（如果通过REST调用获得它们），我的简单解决方案。就我而言，我想在10个不同行的阈值之后退出检查。

Answer 7

我建议：

你可以读取一个文件来创建分隔的标记，并从两边修剪每个标记，以便处理额外的空格，然后将它们存储在有序的数据结构中（类似于链接的哈希集，链接的哈希map等（如果你想在文件中传递重复项以防万一），然后重复它以获取另一个文件。

Java提供了许多实用程序方法来比较这些数据结构。：）

比较Java中的两个csv文件

7 个答案:

实施例

files1.csv

file2.csv

diff.groovy

更新