Java读取CSV文件：处理所有场景提取指定字段

嘿，这个问题其实挺典型的——处理带特殊格式的CSV（比如包含逗号的带引号字段），还要兼顾各种异常情况，我来分享一下我常用的实现思路和代码示例吧！

核心原则 #

首先要明确：绝对不要手动用逗号分割行！因为你的name字段里有带引号的内容（比如"Pollen's - Weeds, Weed mix 2630"），手动分割会把这个字段拆成两部分，直接导致字段错位。必须用语言自带的CSV解析库，它会自动处理带引号的特殊字段。

接下来，我们需要覆盖这些常见异常场景：

• 行的字段数量与表头不匹配（比如少列、多列）
• priceperproduct或qty_sold不是可转换的数字（比如字符串、空值）
• 空行或全空白的行
• 表头拼写错误（比如把qty_sold写成qtysold）
• 字段值为空（比如name为空，或者价格为空）

Python实现示例 #

我用Python来写示例，因为它的csv模块非常成熟，处理这类场景很顺手：

import csv
from io import StringIO

# 模拟你的CSV数据（也可以替换成读取文件路径）
csv_data = """name,priceperproduct,qty_sold
"Pollen's - Weeds, Weed mix 2630",72,117
Losartan Potassium,46,532
INSTANT HAND SANITIZER,65,594
"Sodium Sulfacetamide, Sulfur",45,359
# 下面是一些模拟的异常行
Broken Row,99  # 少一列
Another Broken Row,abc,100  # 价格是非数字
,80,200  # name为空
Invalid Row,"",xyz  # 价格空，销量非数字
"""

def process_csv(csv_content):
    results = []
    errors = []
    # 用StringIO把字符串转成文件对象，方便csv模块读取
    with StringIO(csv_content) as f:
        # 创建CSV阅读器，自动处理带引号的字段
        reader = csv.DictReader(f)
        
        # 先校验表头是否符合预期
        expected_headers = {"name", "priceperproduct", "qty_sold"}
        if not expected_headers.issubset(reader.fieldnames):
            missing = expected_headers - set(reader.fieldnames)
            errors.append(f"表头缺失必要字段：{', '.join(missing)}")
            return results, errors
        
        for row_num, row in enumerate(reader, start=2):  # 行号从2开始（因为表头是行1）
            try:
                # 提取字段，先处理空值
                name = row["name"].strip() if row["name"] else None
                if not name:
                    errors.append(f"第{row_num}行：name字段为空")
                
                # 转换价格为整数（如果需要浮点数就用float）
                try:
                    price = int(row["priceperproduct"].strip()) if row["priceperproduct"] else None
                except ValueError:
                    price = None
                    errors.append(f"第{row_num}行：priceperproduct不是有效数字，值为'{row['priceperproduct']}'")
                
                # 转换销量为整数
                try:
                    qty = int(row["qty_sold"].strip()) if row["qty_sold"] else None
                except ValueError:
                    qty = None
                    errors.append(f"第{row_num}行：qty_sold不是有效数字，值为'{row['qty_sold']}'")
                
                # 如果核心字段都有效，就加入结果
                if name is not None and price is not None and qty is not None:
                    results.append({
                        "name": name,
                        "priceperproduct": price,
                        "qty_sold": qty
                    })
                else:
                    errors.append(f"第{row_num}行：字段不完整或无效，已跳过")
            
            except KeyError as e:
                # 处理表头匹配错误（比如某行没有预期的字段）
                errors.append(f"第{row_num}行：缺失字段{e.args[0]}")
            except Exception as e:
                # 捕获其他未知异常
                errors.append(f"第{row_num}行：未知错误 - {str(e)}")
    
    return results, errors

# 执行处理
valid_data, error_logs = process_csv(csv_data)

# 输出结果
print("有效数据：")
for item in valid_data:
    print(item)

print("\n错误日志：")
for error in error_logs:
    print(error)

代码解释 #

• CSV解析：用csv.DictReader自动处理带引号的字段，把每行转成字典，直接通过表头名提取字段，避免字段错位。
• 表头校验：先检查必要字段是否存在，避免后续处理出现KeyError。
• 字段转换与校验：对价格和销量做类型转换，捕获ValueError来处理非数字的情况；同时检查name是否为空。
• 异常捕获：分别处理字段缺失、类型错误、未知异常，把错误信息记录下来，而不是直接崩溃，方便后续排查。
• 结果分离：把有效数据和错误日志分开返回，既保留可用数据，也能追踪问题行。

其他语言的思路 #

如果用其他语言，比如Java可以用OpenCSV库，C#可以用CsvHelper，核心逻辑都是一样的：

1. 使用成熟的CSV解析库处理特殊格式字段
2. 对每个字段做类型校验和转换
3. 捕获并记录异常，不要中断整个处理流程

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