Java中支持Unicode的CSV解析器

我正在寻找具有适当处理Unicode数据的CSV（逗号分隔值）解析器的Java实现，例如，包含中文文本的UTF-8 CSV文件。我想这样的解析器应该在迭代，比较等内部使用代码点相关的方法。Apache 2许可证或类似的许可证会最好。Java中支持Unicode的CSV解析器

来源

2009-12-23 Igor Romanov

http://sourceforge.net/projects/javacsv/试试吧 – Bozho 2009-12-23 18:17:26

大多数CSV解析器都应该处理16位字符。你是否说你需要32位字符支持？ – 2009-12-23 18:19:42

我尝试了几个解析器，其中包括一个来自其他项目的内部解析器。所以看起来他们都尝试在内部通过迭代使用1）读取行2）使用charAt（）进行遍历，并追加到一些临时字符。我有中文文本的UTF-8文件，有些符号用3个字节编码，所以不起作用。看来即使在许多解析器中，启动BOM也没有正确处理。 – 2009-12-23 19:33:25

-1

写起来很容易。使用FileInputStream和使用UTF-8的InputStreamReader打开文件。将它包装在BufferedReader中，你可以使用readLine（）来遍历它。将每一行作为一个字符串。使用正则表达式将其分割成字段。

唯一棘手的部分是构造正则表达式，因此它们不会将用引号括起来的逗号视为字段分隔符。

上面的方法效率不高，但对大多数应用程序足够快。如果你有真正的性能需求，那么你需要通过字符迭代的东西。几年前我写了一篇使用可以正常工作的状态机。

来源

2009-12-23 18:32:44 ccleve

这比晚上我没有噩梦的时候所能承受的更为直接:-)我现在正在寻找可以随时使用的图书馆。 – 2009-12-23 19:37:26

这实际上是*不直接。这个简单的例子可以用正则表达式来处理，但是当你进入包含逗号或者（可选）引号的字段时，Regex将不起作用。对于某些工作来说，正则表达式是一个很好的工具，但它不能代替写得很好的解析器。 – 2009-12-24 03:43:16

我认为它会工作，只会更复杂一点。谷歌提供了很好的正则表达式使用，看到这里例如：http://www.programmersheaven.com/user/Jonathan/blog/73-Splitting-CSV-with-regex/ – 2009-12-24 11:08:45

我不相信重新发明轮子。所以我不想写我自己的解析器，并且经历别人做的同样的麻烦。

我个人喜欢Ostermiller的CSV分析器。如果感兴趣，他们也有一个Maven仓库。

您还可以检查出OpenCSV。已经有关于解析unicode的Stack Overflow question。

来源

2009-12-23 18:40:47 Ascalonian

这一个看起来不错，甚至直接声明以支持中文，但我认为它的GPL，这是我不能用于我的工作。 – 2009-12-23 19:51:31

你试过Commons CSV？

来源

2009-12-23 19:58:18

Java中支持Unicode的CSV解析器

回答

相关问题