java - 解析内容中的封装器未正确转义的 CSV 文件

Question

您好，我有一个 CSV 文件，其中封装字符未正确转义。

例子

uerf@einf.erf,"uhrege gerjhhg er<span style="background-color: rgb(0,153,0);">eriueiru kernger</span><font color="#009900"><span style="background-color: rgb(255,255,255);"> weiufhuweifbw fhew fibwefbw</span></font><div><font color="#009900"><span style="background-color: rgb(255,255,255);">wekifbwe fewf</span></font></div><div><font color="#009900"><span style="background-color: rgb(255,255,255);">weiuifgewbfjew f</span></font></div>",18-Oct-2016,

分隔符 -> ,

封装器 -> "

当我尝试使用 commons-csv reader 阅读时它中断了， 抛出“封装 token 和定界符之间的无效字符”异常。

但是 Microsoft excel 似乎可以完美地打开文件。 关于如何进行的任何想法？ .

如何解析封装器未正确转义的 CSV 文件？Excel 似乎可以正常打开此类文件。

Answer 1

如果您无法在源头解决此问题(即生成格式正确的 csv)，并且您想自己解析它，则可以采用简单的方法:

扫描 field1 到 ，" - field2 到 "， - 其余是 field3(尾随逗号？)。

当然，如果 ", 出现在 html 字段中，那就有问题了。您可以通过首先扫描到 ,"，然后向后扫描(开始在行尾)到 ",.

如果字段比此处显示的多，您可以查找 , 与 " 的组合(两种组合，也可以是 ",") 并希望这些不会出现在字段数据中。