Java读取CSV中URL触发URISyntaxException报错，求解决方法

问题场景 #

你有一个包含URL和Label的CSV测试样本，内容如下：

| https://www.google.com | 0 |
| --- | --- |
| http://atualizacaodedados.online | 1 |

使用Java代码读取时触发了URISyntaxException，错误信息如下：

Exception in thread "main" java.net.URISyntaxException: Illegal character in scheme name at index 0: https://www.google.com
    at java.base/java.net.URI$Parser.fail(URI.java:2966)
    at java.base/java.net.URI$Parser.checkChars(URI.java:3137)
    at java.base/java.net.URI$Parser.checkChar(URI.java:3147)
    at java.base/java.net.URI$Parser.parse(URI.java:3162)
    at java.base/java.net.URI.<init>(URI.java:623)
    at feturesExtraction2.datasetFile.main(datasetFile.java:22)

错误原因 #

1. 分隔符设置错误：你的CSV实际用**竖线（|）**分隔字段，但代码中设置了逗号作为分隔符，导致读取的内容包含多余的|、换行符、表头的---等非法字符，这些字符会导致URI构造失败。
2. 读取逻辑不严谨：没有跳过表头行，且循环嵌套会重复填充数组，导致逻辑混乱。

解决方案 #

方案1：手动处理每行（无需第三方库） #

先逐行读取文件，跳过表头，再分割每行的字段，清理字段前后的空格和竖线，最后构造URI：

import java.io.BufferedReader;
import java.io.FileReader;
import java.net.URI;

public class DatasetReader {
    public static void main(String[] args) {
        try (BufferedReader reader = new BufferedReader(new FileReader("urltest.csv"))) {
            String line;
            // 跳过表头行（前两行：第一行是表头，第二行是分隔线）
            reader.readLine();
            reader.readLine();
            
            URI[] uris = new URI[2];
            int index = 0;
            while ((line = reader.readLine()) != null && index < 2) {
                // 分割字段，清理前后的|和空格
                String[] parts = line.split("\\|");
                if (parts.length >= 2) {
                    String url = parts[1].trim(); // 获取URL字段，清理空格
                    uris[index] = new URI(url);
                    System.out.println(uris[index]);
                    index++;
                }
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

方案2：使用Apache Commons CSV库（适合大型数据集） #

对于大型CSV文件，使用专业的CSV解析库更可靠，避免手动处理的各种边缘情况：

1. 先添加Maven依赖（如果用Maven）：

<dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commons-csv</artifactId>
    <version>1.10.0</version>
</dependency>

2. 读取代码示例：

import org.apache.commons.csv.CSVFormat;
import org.apache.commons.csv.CSVParser;
import org.apache.commons.csv.CSVRecord;
import java.io.FileReader;
import java.net.URI;

public class DatasetReader {
    public static void main(String[] args) {
        try (CSVParser parser = CSVFormat.DEFAULT
                .withDelimiter('|')
                .withTrim() // 自动清理字段前后空格
                .withSkipHeaderRecord() // 跳过表头行
                .parse(new FileReader("urltest.csv"))) {
            
            URI[] uris = new URI[2];
            int index = 0;
            for (CSVRecord record : parser) {
                if (index >= 2) break;
                String url = record.get(1); // 第二个字段是URL（索引从0开始）
                uris[index] = new URI(url);
                System.out.println(uris[index]);
                index++;
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

注意事项 #

• 如果你的CSV实际是标准逗号分隔（可能是你用表格展示的格式问题），只需要把分隔符改成,即可。
• 处理大型数据集时，优先使用专业CSV库，避免手动处理的错误和性能问题。

内容的提问来源于stack exchange，提问作者Jomanah OB