Question

我正在使用Commons CSV来解析与电视节目相关的CSV内容。其中一个节目的节目名称包含双引号;

116,6,2,29 9月10日，“”JJ“（60分钟）”，“http://www.tvmaze.com/episodes/4855/criminal-minds-6x02-jj”

显示的是“JJ”（60分钟），已经是双引号。这会在封装的标记和分隔符之间抛出IOException java.io.IOException：（第1行）无效的char。

    ArrayList<String> allElements = new ArrayList<String>();
    CSVFormat csvFormat = CSVFormat.DEFAULT;
    CSVParser csvFileParser = new CSVParser(new StringReader(line), csvFormat);

    List<CSVRecord> csvRecords = null;

    csvRecords = csvFileParser.getRecords();

    for (CSVRecord record : csvRecords) {
        int length = record.size();
        for (int x = 0; x < length; x++) {
            allElements.add(record.get(x));
        }
    }

    csvFileParser.close();
    return allElements;

CSVFormat.DEFAULT已设置withQuote（'“'）

我认为这个CSV没有正确格式化为“”JJ“（60分钟）”应该是“”“JJ”“（60分钟）” - 但有没有办法让公共CSV处理这个或做我需要手动修复此条目吗？

其他信息：其他节目名称在CSV条目中包含空格和逗号，并放在双引号内。

Answer 1

这里的问题是引号没有被正确转义。你的解析器没有处理它。尝试univocity-parsers，因为这是我知道的唯一可以在引用值内处理未转义引号的java解析器。它也比Commons CSV快4倍。试试这段代码：

//configure the parser to handle your situation
CsvParserSettings settings = new CsvParserSettings();
settings.setUnescapedQuoteHandling(STOP_AT_CLOSING_QUOTE);

//create the parser
CsvParser parser = new CsvParser(settings);

//parse your line
String[] out = parser.parseLine("116,6,2,29 Sep 10,\"\"JJ\" (60 min)\",\"http://www.tvmaze.com/episodes/4855/criminal-minds-6x02-jj\"");

for(String e : out){
    System.out.println(e);
}

这将打印：

116
6
2
29 Sep 10
"JJ" (60 min)
http://www.tvmaze.com/episodes/4855/criminal-minds-6x02-jj

希望它有所帮助。

披露：我是这个图书馆的作者，它的开源和免费（Apache 2.0许可证）

Answer 2

引用主要允许字段包含分隔符。如果字段中的嵌入式引号未转义，则无法使用，因此使用引号没有任何意义。如果您的示例值为“JJ”，60分钟，解析器如何知道逗号是该字段的一部分？数据格式无法可靠地处理嵌入式逗号，因此如果您希望能够这样做，最好更改源以生成符合RFC的csv格式。

否则，看起来数据源只是围绕带引号的非数字字段，并用逗号分隔每个字段，因此解析器需要执行相反的操作。您应该只是将数据视为逗号分隔，并使用removeStart / removeEnd自行删除前导/尾随引号。

您可以使用CSVFormat .withQuote（null），或者忘掉它，只使用String .split（'，'）

Answer 3

我认为在同一个令牌中同时使用引号和空格会使解析器混淆。试试这个：

CSVFormat csvFormat = CSVFormat.DEFAULT.withQuote('"').withQuote(' ');

那应该解决它。

示例

对于您的输入行：

String line = "116,6,2,29 Sep 10,\"\"JJ\" (60 min)\",\"http://www.tvmaze.com/episodes/4855/criminal-minds-6x02-jj\"";

输出是（并且没有抛出异常）：

[116, 6, 2, 29 Sep 10, ""JJ" (60 min)", "http://www.tvmaze.com/episodes/4855/criminal-minds-6x02-jj"]

Answer 4

您可以使用withEscape（'\\'）忽略引号内的引号

CSVFormat csvFormat = CSVFormat.DEFAULT.withEscape（'\\'）

参考：https://commons.apache.org/proper/commons-csv/apidocs/org/apache/commons/csv/CSVFormat.html

Answer 5

不需要特殊的解析器：只需在双引号前加一个双引号：

116,6,2,29 Sep 10,"""JJ"" (60 min)",...

在 RFC 4180 中都有规定

   7.  If double-quotes are used to enclose fields, then a double-quote
   appearing inside a field must be escaped by preceding it with
   another double quote.  For example:

   "aaa","b""bb","ccc"

CSVFormat #DEFAULT 已经实现了这一点。

使用Commons CSV进行CSV解析 - 引号内的引号导致IOException

5 个答案: