序号 考号 姓名 性别 身份证 专业 缴费金额
5 1076134121 王 女 33333 艺术 126.00
9 1077734120 朱 女 3082X 艺术 326.00
10 1088134124 郭 女 62720 艺术 126.00
19 1023651083 朱 女 6072X 艺术 126.00
20 1068541006 何 女 01387 艺术 326.00
现在想将数据（从第二行开始）导入mysql中，请问怎么导？麻烦高手给段完整的代码！谢谢！
-
等级
本版专家分：79结帖率 100% -
有如下格式的csv文件：
序号 考号 姓名 性别 身份证 专业 缴费金额
5 1076134121 王 女 33333 艺术 126.00
9 1077734120 朱 女 3082X 艺术 326.00
10 1088134124 郭 女 62720 艺术 126.00
19 1023651083 朱 女 6072X 艺术 126.00
20 1068541006 何 女 01387 艺术 326.00
现在想将数据（从第二行开始）导入mysql中，请问怎么导？麻烦高手给段完整的代码！谢谢！展开阅读全文
-
等级
本版专家分：18491勋章
-
- 红花 2015年1月 Java大版内专家分月排行榜第一
-
-
黄花
2014年10月 Java大版内专家分月排行榜第二
2014年9月 Java大版内专家分月排行榜第二
2014年8月 Java大版内专家分月排行榜第二
-
-
蓝花
2016年1月 Java大版内专家分月排行榜第三
2014年12月 Java大版内专家分月排行榜第三
2014年11月 Java大版内专家分月排行榜第三
-
-
我的最傻的就是解析csv文件，然后把记录插入数据库中。
-
等级
本版专家分：18491勋章
-
- 红花 2015年1月 Java大版内专家分月排行榜第一
-
-
黄花
2014年10月 Java大版内专家分月排行榜第二
2014年9月 Java大版内专家分月排行榜第二
2014年8月 Java大版内专家分月排行榜第二
-
-
蓝花
2016年1月 Java大版内专家分月排行榜第三
2014年12月 Java大版内专家分月排行榜第三
2014年11月 Java大版内专家分月排行榜第三
-
-
不过一般数据库都可以识别csv文件，为什么还要通过java呢？
-
等级
本版专家分：18491勋章
-
- 红花 2015年1月 Java大版内专家分月排行榜第一
-
-
黄花
2014年10月 Java大版内专家分月排行榜第二
2014年9月 Java大版内专家分月排行榜第二
2014年8月 Java大版内专家分月排行榜第二
-
-
蓝花
2016年1月 Java大版内专家分月排行榜第三
2014年12月 Java大版内专家分月排行榜第三
2014年11月 Java大版内专家分月排行榜第三
-
-
等级
本版专家分：4136 -
不懂。友情帮顶！
-
等级
本版专家分：79
-
谢谢，不过我现在需要一段Java类来处理csv文件。
-
等级
本版专家分：37436勋章
-
- 红花 2009年11月 Java大版内专家分月排行榜第一
-
- 黄花 2010年2月 Java大版内专家分月排行榜第二
-
-
蓝花
2011年7月 Java大版内专家分月排行榜第三
2010年1月 Java大版内专家分月排行榜第三
2009年12月 Java大版内专家分月排行榜第三
-
-
在网上很多啊。
-
等级
本版专家分：79
-
找了好多都有问题
-
等级
本版专家分：6655 -
String filePath = "D:\\bbb.csv";
BufferedReader bufferedReader = null;
Connection conn = null;
String driver = "com.mysql.jdbc.Driver";
String url = "jdbc:mysql://localhost:3306/test";
try {
Class.forName(driver);
conn = DriverManager.getConnection(url, "root", "123456");
bufferedReader = new BufferedReader(new InputStreamReader(new FileInputStream(filePath)));
String line = null;
while ((line = bufferedReader.readLine()) != null) {
String[] columns = line.split(",");
if(columns[0].trim().equalsIgnoreCase("序号")){
continue;
}
PreparedStatement pstmt = conn.prepareStatement("insert into test(xh,kaohao,name,sex,sfz,zy,xf)values(?,?,?,?,?,?,?)");
pstmt.setString(1, columns[0]);
pstmt.setString(2, columns[1]);
pstmt.setString(3, columns[2]);
pstmt.setString(4, columns[3]);
pstmt.setString(5, columns[4]);
pstmt.setString(6, columns[5]);
pstmt.setString(7, columns[6]);
pstmt.executeUpdate();
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
}finally{
try {
conn.close();
bufferedReader.close();
} catch (Exception e) {
e.printStackTrace();
}
}
-
等级
本版专家分：46582勋章
-
-
红花
2015年7月 Java大版内专家分月排行榜第一
2015年6月 Java大版内专家分月排行榜第一
2011年2月 Java大版内专家分月排行榜第一
-
-
黄花
2015年5月 Java大版内专家分月排行榜第二
2013年5月 Java大版内专家分月排行榜第二
-
-
蓝花
2011年5月 Java大版内专家分月排行榜第三
2011年1月 Java大版内专家分月排行榜第三
-
-
1. 拆分字符串
2. 插入数据库（最好使用事务，如1000条提交一次）
-
等级
本版专家分：79
-
谢谢，但是中文数据插入后一堆“？？？”是怎么回事？
- java下拉框读取数据库数据_下拉框读取数据库数据库
一起谈.NET技术，Visual Studio 2008单元测试_数据库测试我们开发一个系统必须与数据库打交道，需要写N个SQL、存储过程、自定义函数、视图等，那么能否使用Visual Studio 2008进行数据库测试吗？...
- Centos7.7 yum安装LNMP nginx1.18.0+php7.4.6+mysql5.7.30
centos7.7 yum安装 nginx nginx1.18 centos7.7 yum安装 php php7.46 centos7.7 yum安装 mysql mysql5.7.3 centos下重置mysql 密码 centos 下设置mysql可远程连接
- 用Python来绘制词云
本文的示例全部是在anaconda 的jupyter python3 中 运行 本文所处理的数据全部是用爬虫在大众点评中随机爬取的几家火锅店的评论信息 ...1.1.1 导入模块 import pandas as pd from matplotlib import pyplot as ...
- node deno_Deno简介：安全JavaScript和TypeScript运行时
node deno 什么是迪诺？ (What Is Deno?) Deno is a JavaScript and TypeScript runtime that lets you write programs in either languages and execute them from the command line Deno是一个JavaScript和...
- R语言与DataFrame
文章转自：https://segmentfault.com/a/1190000004621068什么是DataFrame引用 r-tutor上的定义：DataFrame 是一个表格或者类似二维数组的结构，它的各行表示一个实例，各列表示一个变量。没错，DataFram...
- GIT开源优秀项目
（注：下面用 [$] 标注的表示收费工具，但部分收费工具针对开源软件的开发/部署/托管是免费的） 目录 API 应用框架（Application Frameworks） 应用模板（Application Templates） 人工智能（Artificial ...
- Linux运维学习笔记之二十六：NOSQL之Memcached和Redis
第三十七章 NOSQL之Memcached 一、Memcached概述 Memcached是一个开源的、高性能的内存缓存软件。Mem就是内存，Cache就是缓存的意思。Memcached通过在事先规划好的内存空间中临时缓存数据库中的各类数据，以达到...
- PYTHON爬虫大作业：豆瓣读书“小说”标签下1000本书籍的爬取与分析
PYTHON爬虫大作业：豆瓣读书“小说”标签下1000本书籍的爬取与分析项目概述数据爬取数据分析与可视化·书籍标签词云·箱线图与直方图·关联分析项目报告摘要一、数据爬取二、数据预处理三、数据存储四、数据分析五、...
- Python教程整理：Python – 100天从新手到大师
Github上一个Python教学的高分项目，100天从新手到大师，作者：骆昊 不仅仅对计算机行业的朋友有帮助，在各自的行业应用一些Python技术，一定会让你事半功倍。 从行业背景讲起，基础知识到进阶讲解，也会介绍LINUX...
- 开源OSSIM企业运维疑难问题解析
《开源OSSIM企业运维疑难问题解析》《Troubleshooting OSSIM Enterprise Network Maintenance》 时光荏苒、日月如梭。如今看到2008年写的技术文章到现在已经10年了，在此期间每周我都会把工作中遇到的各种技术问题...
- python 1-100days
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 ...
- r语言与dataframe
没错，DataFrame就是类似于Excel表格和MySQL数据库一样是一个结构化的数据体。而这种结构化的数据体是当代数据流编程中的中流砥柱，几乎所有先进算法的载体都是DataFrame，比如现在我们耳熟能详的逻辑回归算法、贝叶...
- [原]数据科学教程：R语言与DataFrame[2016版]
什么是DataFrame 引用 r-tutor上的定义： ...没错，DataFrame就是类似于Excel表格和MySQL数据库一样是一个结构化的数据体。而这种结构化的数据体是当代数据流编程中的中流砥柱，几乎所有先进算法的载体都是DataFram...
- Github 4 万 Star！最全面的 Node.js 资源汇总推荐
点击“程序员成长指北”，选择“星标????”让一部分开发者看到未来作者@前哨君｜地址@https://github.com/jobbole/awesome-nodejs-cn由于微信不支持...
- 全网最全面的 Node.js 资源汇总推荐，4W Star！
作者@前哨君｜地址@https://github.com/jobbole/awesome-nodejs-cn由于微信不支持外链，可文末 “阅读原文”或打开 Github 地址查看更多详细...
- 《项目 移动用户网上预购行为分析》
通过数据分析获取有购买需求的用户并对其推荐可能喜欢的产品。 业务模块介绍 地址库维护：爬虫+人工（人工分析地址规则。爬虫按规则爬取，并将爬取的结果进行分类）。 注：此部分一般由专门部门负责，不属于...
- 大盘鸡的做法-高剑
第一单元 基因组学相关基础知识（8分） 1、 人类基因组组成与遗传规律： DNA的分子结构 DNA分子是以A,T,C,G 4种脱氧核苷酸为单位组成的双螺旋结构。碱基对是以氢键相结合的两个含氮碱基，以胸腺嘧啶（T）、...
- 【转载】Centos7.7 yum安装LNMP nginx1.18.0+php7.4.6
安装nginx 设置nginx安装源 可根据官网给出的进行设置点我跳转到官网设置 这里将官网给出的centos的配置复制如下 [nginx-stable] name=nginx stable repo baseurl=...module_hotfi.
- Amazon Aurora数据库——带你领略极光之美
“云计算不断扩大运营规模的过程，是一个不断踩坑、发现bug的过程”。这句话，对每一个云计算从业者，甚至所有开源软件从业者来说，都是一句至理名言。正因为此，有了开源Linux的商业化供应商红帽公司（Red Hat），...
- python 爬虫学习过程剖析
目录 一 python简介 二 Python爬虫过程图和学习路线 三 爬虫过程demo ...Python是著名的“龟叔”Guido van Rossum在1989年圣诞节期间，为了打发无聊的圣诞节而编写的一个编程语言。...创始人Guido van Rossum是...
- 爬虫(Spider)学习笔记
title: Spider(蜘蛛)笔记 date: 2018-06-30 11:23:30 tags: Spider基础 作者:李忠林Github: ...Spider学习笔记前言: 网络爬虫（Web Spider。又被称为网页蜘蛛。网络机器人，又称为网页追逐者）...
- osgEarth的Rex引擎原理分析（八十四）OGR与GDAL的关系
目标：（八十二）中的问题164 OGR是GDAL的一部分，...它利用抽象数据模型来表达所支持的各种文件格式。它还有一系列命令行工具来进行数据转换和处理。 OGR是GDAL项目的一个分支，功能与GDAL类似，只不过它提供对...
- PHP学习-5 安装PHP
...使用YUM快速安装php，首先需要添加两个源库文件。 rpm -Uvh https://dl.fedoraproject.org/pub/epel/epel-release-latest-8.noarch.rpm rpm -Uvh http://rpms.remirepo.net/enterprise/rem...
- matlab神经网络30个案例分析
【目录】- MATLAB神经网络30个案例分析(开发实例系列图书) 第1章 BP神经网络的数据分类——语音特征信号分类1 本案例选取了民歌、古筝、摇滚和流行四类不同音乐，用BP神经网络实现对这四类音乐的有效分类。 第2章 BP神经网络的非线性系统建模——非线性函数拟合11 本章拟合的非线性函数为y=x21+x22。 第3章 遗传算法优化BP神经网络——非线性函数拟合21 根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值。这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模45 BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。 第6章 PID神经元网络解耦控制算法——多变量系统控制54 根据PID神经元网络控制器原理，在MATLAB中编程实现PID神经元网络控制多变量耦合系统。 第7章 RBF网络的回归——非线性函数回归的实现65 本例用RBF网络拟合未知函数，预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函数解析式不清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y。将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测73 根据货运量影响因素的分析，分别取国内生产总值（GDP），工业总产值，铁路运输线路长度，复线里程比重，公路运输线路长度，等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入，以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出，构建GRNN，由于训练数据较少，采取交叉验证方法训练GRNN神经网络，并用循环找出最佳的SPREAD。 第9章 离散Hopfield神经网络的联想记忆——数字识别81 根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的离散型Hopfield神经网络。要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后，仍具有较好的识别效果。 第10章 离散Hopfield神经网络的分类——高校科研能力评价90 某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算100 现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。 第12章 SVM的数据分类预测——意大利葡萄酒种类识别112 将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。 第13章 SVM的参数优化——如何更好的提升分类器的性能122 本章要解决的问题就是仅仅利用训练集找到分类的最佳参数，不但能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平，即使得得到的SVM分类器的学习能力和推广能力保持一个平衡，避免过学习和欠学习状况发生。 第14章 SVM的回归预测分析——上证指数开盘指数预测133 对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测141 在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。 若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流。 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测153 本案例中给出了一个含有60个个体基因表达水平的样本。每个样本中测量了114个基因特征，其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类), 中间的20个样本是正常人的基因表达信息样本, 余下的20个样本是待检测的样本(未知它们是否正常)。以下将设法找出癌症与正常样本在基因表达水平上的区别，建立竞争网络模型去预测待检测样本是癌症还是正常样本。 第17章SOM神经网络的数据分类——柴油机故障诊断159 本案例中给出了一个含有8个故障样本的数据集。每个故障样本中有8个特征，分别是前面提及过的：最大压力(P1)、次最大压力(P2)、波形幅度(P3)、上升沿宽度(P4)、波形宽度(P5)、最大余波的宽度(P6)、波形的面积(P7)、起喷压力(P8)，使用SOM网络进行故障诊断。 第18章Elman神经网络的数据预测——电力负荷预测模型研究170 根据负荷的历史数据，选定反馈神经网络的输入、输出节点，来反映电力系统负荷运行的内在规律，从而达到预测未来时段负荷的目的。 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断176 本案例在对油中溶解气体分析法进行深入分析后，以改良三比值法为基础，建立基于概率神经网络的故障诊断模型。 第20章 神经网络变量筛选——基于BP的神经网络变量筛选183 本例将结合BP神经网络应用平均影响值（MIV，Mean Impact Value）方法来说明如何使用神经网络来筛选变量，找到对结果有较大影响的输入项，继而实现使用神经网络进行变量筛选。 第21章 LVQ神经网络的分类——乳腺肿瘤诊断188 威斯康星大学医学院经过多年的收集和整理，建立了一个乳腺肿瘤病灶组织的细胞核显微图像数据库。数据库中包含了细胞核图像的10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度），这些特征与肿瘤的性质有密切的关系。因此，需要建立一个确定的模型来描述数据库中各个量化特征与肿瘤性质的关系，从而可以根据细胞核显微图像的量化特征诊断乳腺肿瘤是良性还是恶性。 第22章 LVQ神经网络的预测——人脸朝向识别198 现采集到一组人脸朝向不同角度时的图像，图像来自不同的10个人，每人5幅图像，人脸的朝向分别为：左方、左前方、前方、右前方和右方。试创建一个LVQ神经网络，对任意给出的人脸图像进行朝向预测和识别。 第23章 小波神经网络的时间序列预测——短时交通流量预测208 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测。 第24章 模糊神经网络的预测算法——嘉陵江水质评价218 根据模糊神经网络原理，在MATLAB中编程实现基于模糊神经网络的水质评价算法。 第25章 广义神经网络的聚类算法——网络入侵聚类229 模糊聚类虽然能够对数据聚类挖掘，但是由于网络入侵特征数据维数较多，不同入侵类别间的数据差别较小，不少入侵模式不能被准确分类。本案例采用结合模糊聚类和广义神经网络回归的聚类算法对入侵数据进行分类。 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优236 根据PSO算法原理，在MATLAB中编程实现基于PSO算法的函数极值寻优算法。 第27章 遗传算法优化计算——建模自变量降维243 在第21章中，建立模型时选用的每个样本（即病例）数据包括10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度）的平均值、10个量化特征的标准差和10个量化特征的最坏值（各特征的3个最大数据的平均值）共30个数据。明显，这30个输入自变量相互之间存在一定的关系，并非相互独立的，因此，为了缩短建模时间、提高建模精度，有必要将30个输入自变量中起主要影响因素的自变量筛选出来参与最终的建模。 第28章 基于灰色神经网络的预测算法研究——订单需求预测258 根据灰色神经网络原理，在MATLAB中编程实现基于灰色神经网络的订单需求预测。 第29章 基于Kohonen网络的聚类算法——网络入侵聚类268 根据Kohonen网络原理，在MATLAB软件中编程实现基于Kohonen网络的网络入侵分类算法。 第30章 神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类277 为了便于使用MATLAB编程的新用户，快速地利用神经网络解决实际问题，MATLAB提供了一个基于神经网络工具箱的图形用户界面。考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用，MATLAB R2009a提供了三种神经网络拟合工具箱（拟合工具箱/模式识别工具箱/聚类工具箱）。
- Activiti 工作流入门到大神
什么是流程、工作流作用、Activiti背景简介、Activiti流程设计器安装、Activity环境搭建、通过HelloWorld掌握 Activiti操作流程的步奏、常见API使用、流程部署管理(发布流程、查看流程定义、删除流程、查看流程附件)、流程实例管理(启动流程、查看任务、认领任务、办理任务、查看流程状态) 什么是流程、工作流作用、Activiti背景简介、Activiti流程设计器安装、Activity环境搭建、通过HelloWorld掌握 Activiti操作流程的步奏、常见API使用、流程部署管理(发布流程、查看流程定义、删除流程、查看流程附件)、流程实例管理(启动流程、查看任务、认领任务、办理任务、查看流程状态) QQ:362969068
- 华中科技大学educoder存储系统设计全部通关
华中科技大学educoder存储系统设计全部通关包含四路组和二路组，用了四天做的，查看电路把txt内容复制到circ文件中用logisim打开即可
- Microsoft Visual C++ 2015-2019 运行库合集，包含32位64位
Microsoft Visual C++ 2015-2019 运行库合集，32位64位都有，解决缺失dll包问题。
- STM32F103C8T6最小系统原理图
STM32F103C8T6最小系统原理图文件，包括电源电路、单片机等 11111111111111111111
- 从零基础开始用Python处理Excel数据.pdf
首先学习Python的基础知识，然后使用Python来控制Excel，做数据处理。 Excel使用者、Python爱好者、数据处理人员、办公人员等 第1章 python基础 1.1 什么是python？ 1.2 为什么要学习用Python处理Excel表格？ 1.3 手把手教你安装python程序 1.3.1 下载python 1.3.2 安装python 1.3.3 验证是否安装成功 1.4 安装Python集成开发工具PyCharm 1.4.1 下载 1.4.2 安装 1.5 Python的输入与输出