Univocity CSV解析器可选字段配置 兼容列缺失免异常捕获

不需要通过try-catch吞异常实现，Univocity本身提供了原生API兼容列缺失场景，有两种简洁实现方案：

方案1：提前判断列是否存在（性能最优） #

解析开始后先通过RecordMetadata判断目标列是否存在，只需要执行一次判断，不需要在循环里重复校验，列不存在时直接使用默认值即可：

CsvParserSettings settings = new CsvParserSettings();
settings.getFormat().setLineSeparator("\n");
settings.setHeaderExtractionEnabled(true);

CsvParser parser = new CsvParser(settings);
parser.beginParsing(file);

// 仅需在遍历数据前判断一次C列是否存在
RecordMetadata metadata = parser.getRecordMetadata();
final long DEFAULT_C_VALUE = 1L;
boolean hasCColumn = metadata.containsColumn("C");

Record record;
while ((record = parser.parseNextRecord()) != null) {
   String a = record.getString("A");
   long b = record.getLong("B");
   long c = hasCColumn ? record.getLong("C") : DEFAULT_C_VALUE;
}

方案2：使用带默认值的取值API（代码最简洁） #

Univocity的Record类所有类型取值方法都提供了带默认值的重载，列不存在、列值为空时会直接返回传入的默认值，不会抛出异常：

final long DEFAULT_C_VALUE = 1L;
while ((record = parser.parseNextRecord()) != null) {
   String a = record.getString("A");
   long b = record.getLong("B");
   // 列不存在时直接返回默认值1，无需额外判断
   long c = record.getLong("C", DEFAULT_C_VALUE);
}

注意：不推荐使用空catch块捕获异常的实现方式，这种写法会把「C列存在但值格式非法（比如填入非数字内容）」的异常也一并吞掉，后续排查脏数据问题会非常困难。上面两种方案仅会处理列缺失的场景，如果C列存在但值无法转换为long类型，依然会正常抛出异常，方便定位数据问题。

如果没有强依赖Univocity的特殊特性，其他CSV解析库（比如Jackson CSV、OpenCSV）也支持可选列绑定配置，但就当前场景来说，使用Univocity原生API已经可以满足需求，不需要更换解析方案。

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