我有一个 Unicode 文件需要导出到数据库 (Vertica)。列分隔符为CTRL+B,记录分隔符为换行符(\n)。每当列值中有换行符时,CTRL+A 用作转义符。
当我使用 BufferedReader.readLine() 读取此文件时,ID 为 2 和 4 的记录被读取为两条记录。而我想将它们作为输出中给出的单个完整记录来阅读。
这是示例输入文件。 |代表CTRL+B,^代表CTRL+A。
Input
ID|Name|Job Desc
----------------
1|xxxx|SO Job
2|YYYY|SO Careers^
Job
3|RRRRR|SO
4|ZZZZ^
ZZ|SO Job
5|AAAA|YU
Output:
ID|Name|Job Desc
----------------
1|xxxx|SO Job
2|YYYY|SO Careers Job
3|RRRRR|SO
4|ZZZZ ZZ|SO Job
5|AAAA|YU
文件很大,所以我不能使用 StringEscapeUtils。对此有何建议?
最佳答案
您可以使用带有自定义定界符的扫描器
。我使用的分隔符设置为匹配 \n
但不 \u0001\n
(其中 \u0001
代表 CTRL+A
):
try {
PrintWriter writer = new PrintWriter("dboutput.txt");
Scanner sc = new Scanner(new File("dbinput.txt"));
sc.useDelimiter(Pattern.compile("^(?!.*(\\u0001\\n)).*\\n$"));
while (sc.hasNext()) {
writer.println(sc.next());
}
scanner.close();
writer.close();
} catch (FileNotFoundException e) {
e.printStackTrace();
}
关于java - 读取带有换行符的转义字符的java文件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29908236/