如何使用Apache CSV读取Excel导出CSV文件及空字符问题排查

嘿，这个问题我太熟了！之前帮好几个朋友排查过类似的坑，大概率是字符编码不匹配搞的鬼，我给你拆解下：

问题根源 #

外部数据源导出的CSV文件，很大可能是用UTF-16编码保存的（Excel有时候会偷偷导出UTF-16 LE带BOM的格式，尤其是非英文环境下）。而你的代码里直接用InputStreamReader读取时，默认用的是当前系统的编码（一般是UTF-8），UTF-16每个字符占2字节，用UTF-8读就会把每个字符的高字节（空字节）当成独立的空字符，就出现了你看到的“每个字符之间被空字符分隔”的情况。

至于手动复制内容重新生成CSV后正常，是因为你复制粘贴的过程中，Excel已经把内容转成了UTF-8（或者你系统默认的兼容编码），所以读取就没问题了。

解决方案 #

1. 先确认编码：用Notepad++这类文本编辑器打开原CSV文件，看一下编码菜单里的选项（比如「编码」→「UTF-16 小端序」是不是被选中），确认原文件的编码格式。
2. 修改代码指定编码：在创建InputStreamReader的时候，明确指定原文件的编码，比如如果是UTF-16，就改成这样：

InputStream is = null;
Reader in = null;
try {
    is = new ByteArrayInputStream(excelCSVFileBytes);
    // 关键：指定正确的编码，比如UTF-16
    in = new InputStreamReader(is, StandardCharsets.UTF_16);
    // 用Excel兼容的格式解析
    CSVParser parser = CSVParser.parse(in, CSVFormat.EXCEL);
    
    // 后续处理逻辑，比如遍历行
    for (CSVRecord record : parser) {
        // 处理每一行数据
        String value = record.get(0);
        System.out.println(value);
    }
} catch (IOException e) {
    e.printStackTrace();
} finally {
    // 别忘了关闭流
    if (in != null) {
        try { in.close(); } catch (IOException ignored) {}
    }
    if (is != null) {
        try { is.close(); } catch (IOException ignored) {}
    }
}

3. 如果是带BOM的编码：有些UTF-16文件开头会有BOM（字节顺序标记），如果指定编码后还是有问题，可以用BOMInputStream（来自Apache Commons IO库）来处理BOM：

// 先引入Apache Commons IO依赖，然后修改流的创建
is = new ByteArrayInputStream(excelCSVFileBytes);
BOMInputStream bomInputStream = new BOMInputStream(is);
// 获取实际编码，或者直接指定
Charset charset = bomInputStream.getBOM() == BOMInputStream.BOM.UTF_16LE ? StandardCharsets.UTF_16LE : StandardCharsets.UTF_8;
in = new InputStreamReader(bomInputStream, charset);

这样应该就能解决你的问题了，试试吧！

内容的提问来源于stack exchange，提问作者Pat's