处理CSV时，存入float列若数值将丢失精度如何抛出异常？

核心思路 #

针对你遇到的问题——用户误将仅能被double精确表示的数值存入float列导致事后发现舍入误差，我们可以通过输入校验阶段的精准判断来拦截这类情况，同时保留浮点数固有误差的正常场景（如0.1这类无法被二进制浮点数精确表示的数值）。

关键判断逻辑 #

我们需要区分两种情况：

1. 输入数值能被double精确表示，但无法被float精确表示：这类情况需要抛出异常，避免舍入。
2. 输入数值既无法被double也无法被float精确表示：属于浮点数固有特性，允许存入。

实现这个判断的核心方法是借助BigDecimal（仅用于校验，不修改现有存储逻辑），因为它能精确表示十进制数值，帮我们判断一个数是否能被float/double精确存储：

public static void checkFloatColumnPrecision(String inputValue) {
    BigDecimal inputDecimal = new BigDecimal(inputValue);
    
    // 第一步：判断数值是否能被double精确表示
    double doubleVal = inputDecimal.doubleValue();
    BigDecimal doubleDecimal = new BigDecimal(doubleVal);
    if (inputDecimal.equals(doubleDecimal)) {
        // 能被double精确表示时，再判断是否能被float精确表示
        float floatVal = inputDecimal.floatValue();
        BigDecimal floatDecimal = new BigDecimal(floatVal);
        if (!inputDecimal.equals(floatDecimal)) {
            throw new IllegalArgumentException(
                String.format("数值 %s 可被double精确表示，但存入float列会丢失精度", inputValue)
            );
        }
    }
    // 无法被double精确表示的情况，属于浮点数固有误差，直接放行
}

结合CSV导入的示例 #

以Apache Commons CSV为例，在读取CSV时对指定列进行校验：

// 初始化CSV解析器，假设第一行为表头
CSVParser parser = CSVParser.parse(
    new File("data.csv"),
    StandardCharsets.UTF_8,
    CSVFormat.DEFAULT.withHeader()
);

// 用户定义的列类型映射（示例：amount列是float类型）
Map<String, String> columnTypeMap = Map.of("amount", "float");

for (CSVRecord record : parser) {
    for (Map.Entry<String, String> entry : columnTypeMap.entrySet()) {
        String columnName = entry.getKey();
        String columnType = entry.getValue();
        String valueStr = record.get(columnName);
        
        if ("float".equals(columnType)) {
            // 校验精度，失败则抛异常终止导入
            checkFloatColumnPrecision(valueStr);
            // 校验通过，转成float存入系统
            float floatValue = Float.parseFloat(valueStr);
            // ... 后续存储逻辑
        } else if ("double".equals(columnType)) {
            // double列直接解析存储
            double doubleValue = Double.parseDouble(valueStr);
            // ... 后续存储逻辑
        }
    }
}

方案优势 #

1. 精准拦截：只拦截那些会导致额外舍入的情况，不干扰浮点数固有误差的正常场景。
2. 低侵入性：仅在输入校验阶段使用BigDecimal，现有代码的存储逻辑无需修改，避免大规模重构。
3. 标准兼容：完全基于IEEE 754浮点数标准判断精度，确保结果准确。

注意事项 #

• 需提前处理空值、非数值型输入（如字符串），可根据业务逻辑抛出异常或标记无效数据。
• 支持科学计数法格式的数值输入，BigDecimal能正确解析这类字符串。
• 校验阶段的性能开销极小，不会对CSV导入的整体效率造成明显影响。

内容的提问来源于stack exchange，提问作者Artur Carvalho