Question

在CSV文件中给出一行的这种数据格式：

'data(g1),data(g1)','data(g2),data(g2),data(g2),,,',,,'data(g5),,,data(g5)',

这是CSV格式，但对于单独的数据组，则使用

''

将它们分组，例如：

.....'data(g2),data(g2),data(g2),,,'....

但是有一些尴尬的情况：一排可能会错过一些小组，对于一个小组，它可能会错过一些领域。但对于所有缺失的部分，它仍然使用逗号分隔它们。因此每行总是有6组数据。那我怎样才能正确地得到所有6组数据（即使它什么都没有）？

我尝试使用这样的正则表达式：

String row = <the above data row>;
String[] dataGroups = row.split(',');

但是这个肯定不会起作用，因为在每组数据中，它也使用逗号来分隔数据。 Java中有什么有效的方法可以做到这一点？如果我可以将所有6组数据存储在

中，那将是非常棒的

String[] dataGroups

长度为6。然后其余部分将很容易。

Answer 1

嗯。这样的正则表达式怎么样？

('.*')?,('.*')?,('.*')?,('.*')?,('.*')?,('.*')?

它很难看，但它可能正常工作......

根据http://www.regular-expressions.info/java.html，您可以执行以下操作：

Matcher m = Pattern.compile("('.*')?,('.*')?,('.*')?,('.*')?,('.*')?,('.*')?").matcher(row);
m.find();
m.group(1); //gives you the first group on the line; 
//change the index to get the other groups

然后，您可以使用.split(',')

拆分每个组

这是一个实时版本：http://regex101.com/r/jR0iM4/1

Answer 2

您的文件格式是否足够可靠，只能作为数据组的开始和开始？然后你可以删除'在行的开头和结尾，然后通过'，'（三个符号）而不是逗号来删除行。

Answer 3

我认为这更像是一个消毒问题。是否所有行都以单引号（'）开头。

如果是这样，您可以执行以下操作：

通过正则表达式获取引号内的所有内容。
然后，对于每一行，通过分割逗号分割成列。
然后将拆分组记录到List＆gt;其中外部列表是行，嵌套列表是列。
如果嵌套列表的大小不是6，则可以使用逗号调整此项。

在我看来，阅读和消费更加清晰。

Answer 4

根据您的一条评论，您需要解析此问题：

....,'data(gn),data(gn),subdata='datavalue',data(gn),,',.....

只有uniVocity-parsers中的CSV解析器才能解析它。您的输入在引用值中包含未转义的引号。这将破坏Java的任何其他CSV解析库（随意尝试）。

你所拥有的与此类似：

something,"text with "unescaped quotes" here",something else

您希望将此作为输出：

something
text with "escaped quotes" here
something else

你只需要将你的输入投入到uniVocity-parsers＆＃39; CSV解析器

CsvParserSettings parserSettings =  new CsvParserSettings();
parserSettings.setParseUnescapedQuotes(true); //this is enabled by default

CsvParser parser = new CsvParser(parserSettings);
List<String[]> allRows = parser.parseAll(getReader("/examples/bean_test.csv"));

有关此功能的更多详细信息here。

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）。

从特定格式的CSV文件中提取数据

4 个答案: