Java中使用OpenCSV读取UTF-8 CSV首行首个值附带额外字节问题求解

你遇到的问题是UTF-8 BOM（字节顺序标记） 导致的：

• 部分编辑器保存UTF-8编码文件时，会默认在文件开头插入3个不可见的字节0xEF 0xBB 0xBF（对应Unicode字符\uFEFF），用来标识该文件是UTF-8编码。
• 你当前使用的FileReader没有处理BOM的逻辑，会将这3个字节解析为普通字符，附加到读取到的第一行第一个字段的开头，导致01实际存储值为\uFEFF01，自然无法匹配查询条件。
• 当你在文件开头新增换行后，BOM会被解析到第一行空记录的内容中，删除第一行后后续内容正常，就是这个原因。

有两种常用的无兼容问题的处理方式，不需要修改CSV源文件：

方案1：使用BOM输入流自动过滤BOM（推荐） #

借助Apache Commons IO的BOMInputStream自动识别并过滤UTF-8 BOM，同时显式指定文件编码为UTF-8，避免不同系统默认编码不一致导致的乱码问题。

第一步：引入依赖（如果项目未引入） #

Maven依赖示例：

<dependency>
    <groupId>commons-io</groupId>
    <artifactId>commons-io</artifactId>
    <version>2.11.0</version>
</dependency>

第二步：修改createCSVReader方法 #

修改后的代码如下：

import org.apache.commons.io.input.BOMInputStream;
import java.nio.charset.StandardCharsets;

static public CSVReader createCSVReader(String CSVPath, String CSVDelimiter) throws IOException {
    // 用BOMInputStream包裹文件流，自动过滤UTF-8 BOM
    BOMInputStream bomInputStream = new BOMInputStream(new FileInputStream(CSVPath));
    // 显式指定UTF-8编码，避免系统默认编码差异
    InputStreamReader reader = new InputStreamReader(bomInputStream, StandardCharsets.UTF_8);
    return new CSVReaderBuilder(reader)
            .withCSVParser(createCSVParser(CSVDelimiter))
            .build();
}

方案2：手动处理BOM字符（无需额外依赖） #

如果不想引入新依赖，可以在读取到内容后手动清除首行首个字段可能存在的BOM字符：

try (CSVReader csvReader = CSVUtils.createCSVReader(masterDataCSVPath, csvDelimiter)) {
    List<String[]> masterData = csvReader.readAll();
    if (!masterData.isEmpty() && masterData.get(0).length > 0) {
        String firstField = masterData.get(0)[0];
        // 判断首字段是否以BOM字符开头，是的话替换掉
        if (firstField.startsWith("\uFEFF")) {
            masterData.get(0)[0] = firstField.replaceFirst("\uFEFF", "");
        }
    }
    // 后续业务逻辑
}

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