Question

我有一个需要导出到数据库（Vertica）的Unicode文件。列分隔符是CTRL + B，记录分隔符是换行符（\ n）。只要列值中有换行符，CTRL + A就会用作转义字符。

当我使用BufferedReader.readLine（）读取此文件时，ID为＃2和4的记录将被读取为两个记录。而我想将它们作为输出中给出的单个整体记录来阅读。

以下是示例输入文件。 |代表CTRL + B，^代表CTRL + A.

Input
ID|Name|Job Desc
----------------
1|xxxx|SO Job
2|YYYY|SO Careers^
Job
3|RRRRR|SO
4|ZZZZ^
 ZZ|SO Job
5|AAAA|YU

Output:
ID|Name|Job Desc
----------------
1|xxxx|SO Job
2|YYYY|SO Careers Job
3|RRRRR|SO
4|ZZZZ ZZ|SO Job
5|AAAA|YU

文件很大，所以我不能使用StringEscapeUtils。对此有何建议？

Answer 1

您可以将Scanner与自定义分隔符一起使用。我使用的分隔符设置为匹配\n但不 \u0001\n（其中\u0001代表CTRL+A）：

try {
    PrintWriter writer = new PrintWriter("dboutput.txt");
    Scanner sc = new Scanner(new File("dbinput.txt"));
    sc.useDelimiter(Pattern.compile("^(?!.*(\\u0001\\n)).*\\n$"));
    while (sc.hasNext()) {
        writer.println(sc.next());
    }
    scanner.close();
    writer.close();
} catch (FileNotFoundException e) {
   e.printStackTrace();
}

Answer 2

Tim在答案中部分正确。但是，它仍然无法解决CTRL + A转义的换行符。

以下是我的解决方案（由Tim回答指导）

File f = new File("C:\\Users\\SV7104\\Desktop\\sampletest.txt");
Scanner sc = new Scanner(f).useDelimiter(Pattern.compile("\\s*\\u0002\\n\\s*"));
            while (sc.hasNext()) {
                System.out.print(1);
                System.out.println(sc.next().toString().replaceAll("\\u0001\\n", " "));

            }

如果有其他有效的方法，我很想知道这一点。

读取带换行符的转义java文件

2 个答案: