高手高高手请进：JAVA解析CSV文件

[whut_lcy]

首先说明：本人已经用过正则，opencsv（apache的）,javacsv2.0（商业的）.... try过无数次，都无法搞定！！
请不要告诉我用上述办法，甚至String.split(",")。。。这样最原始的搞法，因为我都试过

其实我的需求就一样事情：如何处理csv数据中包含的逗号？？如果不是这个原因我也不会发这个帖子了。。。

略略贴一贴正则的：

        String str = "7,,08020056,,C.3,-,P,SYMBIAN,\"\"NOKIA,SAMSUNG,Sony Erission\"\",9.0,NPS,\"\"N73,8250,N97,E61,E71,5320,8855,6210C,N95\"\",";
        String regex = "\\G(?:^|,)(?:\"([^\"]*+(?:\"\"[^\"]*+)*+)\"|([^\",]*+))";
        Matcher main = Pattern.compile(regex).matcher(str);
        Matcher mquote = Pattern.compile("\"\"").matcher("");
        while (main.find()) {
            String field;
            if (main.start(2) >= 0) {
                field = main.group(2);
            } else {
                field = mquote.reset(main.group(1)).replaceAll("\"");
            }
            System.out.println("Field [" + field + "]");
        }

正常情况下, str解析出来的东东应该是这样(数据用[]包含起来)：
[7],[],[08020056],[],[C.3],[-],[P],[SYMBIAN],[NOKIA,SAMSUNG,SonyErission],[9.9],[NPS],[N73,8250,N97,E61,5320,8855,6210C,N95]


但上述正则输出的不是这个内容，而且opencsv,javacsv2输出的也都不符合我的要求。其实主要就是红色部分不符合。

特发帖求解！！！

[霜之哀伤]

你应该修改你的源文件，修改成为符合标准CSV文件的格式：

CSV逗号分隔值文件
　　规则
　　0 开头是不留空，以行为单位。
　　1 可含或不含列名，含列名则居文件第一行。
　　2 一行数据不垮行，无空行。
　　3 以半角符号，作分隔符，列为空也要表达其存在。
　　4 列内容如存在半角逗号（即,）则用半角引号（即""）将该字段值包含起来。
　　5 列内容如存在半角引号（即"）则应替换成半角双引号（""）转义。
　　6 文件读写时引号，逗号操作规则互逆。
　　7 内码格式不限，可为ASCII、Unicode或者其他。 

然后用标准CSV库解析。

比如XML，<xxx="<>">没有那种解析引擎可以解析这样的东西

[whut_lcy]

每天回帖即可获得10分可用分！小技巧：教您如何更快获得可用分

[xtuxucj]

建议使用smooks这个插件。可以解析csv，xml，edi，flatfile等等。具体情况google一下吧。

[cooljia]

像你这样的，是需求有问题，如果数据中有大量的逗号，干嘛还要用csv格式？
换成"|"或者tsv格式都可以，甚至xml格式
你这是自寻死路!

[ycnanevol]

我觉得可以不用csv格式的，直接xls格式保存数据
然后用POI来操作excel

[hq1305018]

		String str = "7,,08020056,,C.3,-,P,SYMBIAN,\"\"NOKIA,SAMSUNG,Sony Erission\"\",9.0,NPS,\"\"N73,8250,N97,E61,E71,5320,8855,6210C,N95\"\",";
        String regex = "([^,]*)(,)";
        Matcher main = Pattern.compile(regex).matcher(str);
        while (main.find()) {
            String field;
            field = main.group(1).replaceAll("\"","");
            System.out.println("Field [" + field + "]");
        }

Field [7]
Field []
Field [08020056]
Field []
Field [C.3]
Field [-]
Field [P]
Field [SYMBIAN]
Field [NOKIA]
Field [SAMSUNG]
Field [Sony Erission]
Field [9.0]
Field [NPS]
Field [N73]
Field [8250]
Field [N97]
Field [E61]
Field [E71]
Field [5320]
Field [8855]
Field [6210C]
Field [N95]

[Mybeautiful]

[Quote=引用 8 楼 whut_lcy 的回复:]
不过该问题已经曲线解决了。如同楼上有人说的，另存为XLS + POI...[/Quote]

如果楼主是手工把cvs另存为xls,那问题似乎还是没有完美解决。

[whut_lcy]

[Quote=引用 11 楼 mybeautiful 的回复:]
引用 8 楼 whut_lcy 的回复:
不过该问题已经曲线解决了。如同楼上有人说的，另存为XLS + POI...

如果楼主是手工把cvs另存为xls,那问题似乎还是没有完美解决。
[/Quote]

是啊，明天验证下10楼的，如果解决，全额送分！

[whut_lcy]

[Quote=引用 6 楼 cooljia 的回复:]
像你这样的，是需求有问题，如果数据中有大量的逗号，干嘛还要用csv格式？
换成"|"或者tsv格式都可以，甚至xml格式
你这是自寻死路!
[/Quote]

犀利哥吗？言辞好犀利，嘎嘎。。。

帅哥，问题是这个CSV并非我生成的，而是其他系统导出的，是不是要推动别人去修改它的代码啊。。。CSV生成很容易，解析就难了，就像MD5.。。

不过该问题已经曲线解决了。如同楼上有人说的，另存为XLS + POI...

而且感觉该问题肯定有解，否则EXCEL怎么能正确打开CSV。。。

[whut_lcy]

下班结贴

[火龙果被占用了]

不对吧

如果字段中含有逗号，那么这个字段用引号包起来，如果字段中含有引号，那就使用两个引号进行转义。

你示例的 CSV 中，有两个引号的，为什么没有看“应该”当中有引号啊？

[whut_lcy]

10楼 的代码没贴全

[truediego]

[Quote=引用 3 楼 dollyn 的回复:]
你应该修改你的源文件，修改成为符合标准CSV文件的格式：

Java code
CSV逗号分隔值文件
　　规则
　　0 开头是不留空，以行为单位。
　　1 可含或不含列名，含列名则居文件第一行。
　　2 一行数据不垮行，无空行。
　　3 以半角符号，作分隔符，列为空也要表达其存在。
　　4 列内容如存在半角逗号（即,）则用半角引号（即""）将该字段值包含起来。
　　5 列内容如……
[/Quote]

这才是正道

[hq1305018]

import java.util.regex.Matcher;
import java.util.regex.Pattern;


public class Test20100607 {

	/**
	 * @param args
	 */
	public static void main(String[] args) {
		String str = "7,,08020056,,C.3,-,P,SYMBIAN,\"\"NOKIA,SAMSUNG,Sony Erission\"\",9.0,NPS,\"\"N73,8250,N97,E61,E71,5320,8855,6210C,N95\"\",";
        String regex = "([^,]*)(,)";
        Matcher main = Pattern.compile(regex).matcher(str);
        while (main.find()) {
            String field;
            field = main.group(1).replaceAll("\"","");
            System.out.println("Field [" + field + "]");
        }

	}

}

[tiamay]

高深的技术哦 小弟受教育了

[whut_lcy]

10楼的输出还是不对

Field [7]
Field []
Field [08020056]
Field []
Field [C.3]
Field [-]
Field [P]
Field [SYMBIAN]
Field [NOKIA]
Field [SAMSUNG]
Field [Sony Erission]
Field [9.0]
Field [NPS]
Field [N73]
Field [8250]
Field [N97]
Field [E61]
Field [E71]
Field [5320]
Field [8855]
Field [6210C]
Field [N95]

N73,8250,N97,E61,E71,5320,8855,6210C,N95 没在一行上

[whut_lcy]

算了不等了，下班结贴。

3楼说的要规范CSV输出，这个不是我说了算。这个格式的CSV是另一个系统做的，与其推动其修改CSV，不如直接让它导出XLS。POI直接解析。

无论你什么样的CSV，只要告诉MS的EXCEL它的分隔符是什么，他都可以正确解析。纳了闷了。。。

另外，据说ms 的sql server可以直接用sql语句将xls文件导入数据库。其他数据库应该不支持吧？毕竟xls是ms 的东西

[小呆]

学习下，不知结贴了 ，发帖还能得分不

[grzrt]

没有解决呀 失望

[天才冬冬]

10楼的regex改成
String regex = "((\"[^\"]*(\"{2})*[^\"]*\")*[^,]*)(,)";
就可以了。lz可以试一试