Question

我正在尝试用逗号分隔csv字符串作为分隔符。

val string ="A,B,"Hi,There",C,D"

我无法使用string.split(",")，因为它会将"Hi,There"拆分为两个不同的列。我可以使用正则表达式来解决这个问题吗？我来到scala-csv parser，我不想使用它。我希望有更好的方法来解决这个问题。我知道这不是一个小问题。如果人们可以分享他们解决这个问题的方法，那将会很有帮助。

Answer 1

我同意Jeronimo Backes，csv解析并不简单，使用库而不是重新发明轮子要好得多。

除了uniVocity-parsers之外，还有一些其他更多的scala定向库（指出底层解析器）：

product-collections（native / scala）
scala-csv（native / java-scala）
mighty-csv（opencsv）
PureCSV（opencsv）
object-csv（scala-csv）

product-collections，我自己的项目，针对与univocity相同的数据进行了充分测试，也针对csv spectrum进行了测试。它是强类型，无反射并与scala-js兼容。它是tested for performance against most of the java equivalents.

列出的其他项目都有自己的优势。 Scala-csv很难在没有垫片的情况下从java调用，所以尽管我在内部对它进行了测试，但我无法对csv-parsers-comparison进行拉取请求。

产品集合用于利用opencsv，但为了使其与scala-js兼容，它现在包含一个本机解析器。在我测试的所有场景中，解析器的性能优于opencsv（速度，正确性）。

Answer 2

使用uniVocity-parsers CsvParser而不是手动解析它。 CSV比你想象的要难得多，还有很多角落要覆盖。你找到了一个。简而言之，您需要一个库来可靠地读取CSV。 uniVocity-parsers被其他Scala项目使用（例如spark-csv）

我将在这里使用普通Java做一个例子，因为我不知道Scala，但你会明白这个想法：

public static void main(String ... args){
    CsvParserSettings settings = new CsvParserSettings(); //many options here, check the documentation
    CsvParser parser = new CsvParser(settings);
    String[] row = parser.parseLine("A,B,\"Hi,There\",C,D");
    for(String value : row){
        System.out.println(value);
    }
}

输出：

A
B
Hi,There
C
D

披露：我是这个图书馆的作者。它是开源和免费的（Apache V2.0许可证）。

Answer 3

这个正则表达式涵盖了你的例子，可能还包括其他人，但肯定不健全：

(?:,?(".+?"))|(?:,?(.+?),?)

这是一个关于regex101的演示：https://regex101.com/r/wM7uW4/1

在忽略各列

3 个答案: