java - Java 中的 Unicode 感知 CSV 解析器

Question

我正在寻找正确处理 Unicode 数据的 CSV（逗号分隔值）解析器的 Java 实现，例如带有中文文本的 UTF-8 CSV 文件。我想这样的解析器应该在迭代、比较等时在内部使用与代码点相关的方法。Apache 2 许可证或类似的许可证效果最好。

score 4 · Accepted Answer

我不相信重新发明轮子。所以我不想编写自己的解析器并经历与其他人相同的头痛。

我个人喜欢Ostermiller的 CSV Parser 。如果有兴趣，他们也有一个 Maven 存储库。

您还可以查看OpenCSV。已经有一个关于解析 unicode的 Stack Overflow问题。

score 0 · Accepted Answer

0

你试过Commons CSV吗？

于 2009-12-23T19:58:18.610 回答

score -1 · Accepted Answer

自己写很容易。使用 FileInputStream 和使用 UTF-8 的 InputStreamReader 打开文件。将其包装在 BufferedReader 中，您可以使用 readLine() 对其进行迭代。将每一行作为字符串获取。使用正则表达式将其拆分为字段。

唯一棘手的部分是构造正则表达式，因此它们不会将引号内的逗号视为字段分隔符。

上面的方法效率有点低，但对于大多数应用程序来说已经足够快了。如果您有真正的性能要求，那么您将需要一些可以遍历字符的东西。几年前我写了一个，它使用了一个工作正常的状态机。

3 回答 3