0

tengo que leer el siguiente csv:

,codigo,nom,cognom
,111,michael,salinas
,222,"luis","doh, \”jik"
,333,ram,"Lak""\""""\""""\"" , ""\""“one"

Se supone que son 4 columnas, pero tengo problemas con la última fila, para leer el csv estoy usando un matcher:

Matcher m = Pattern.compile("\"([^\"]+?)\"|(?<=,|^)([^,]*)(?=,|$)").matcher(line);

Pero no consigo que la última línea la separe bien, me aparece así:

  • 333
  • ram
  • "Lak"
  • "\"
  • "\"
  • "\"
  • " , "
  • "\"
  • "“one"

Alguna idea de como arreglar ésto?

1 respuesta 1

1

Viendo la sintaxis que estás utilizando en tu CSV, se permiten comillas embebidas escapadas como dobles (""), y una barra (\) no se toma como caracter especial.

Para que coincida con un texto entre comillas, permitiendo "" dentro de éstas, se pueden buscar todos los caracteres que no sean ", seguidos opcionalmente por cualquier cantidad de "" y más caracteres. Es decir:

"[^"]*(?:""[^"]*)*"
  • Si bien hay patrones más acotados para esto mismo, esta es la forma más eficiente de realizarlo, empleando una técnica llamada unrolling the loop.

El regex completo, para elementos con o sin comillas, sería:

,("[^"]*(?:""[^"]*)*"|[^,]+)


Código

import java.util.regex.Matcher;
import java.util.regex.Pattern;
final String[] csv =  new String[] {      // Líneas de la pregunta
    ",codigo,nom,cognom",
    ",111,michael,salinas",
    ",222,\"luis\",\"doh, \\”jik\"",
    ",333,ram,\"Lak\"\"\\\"\"\"\"\\\"\"\"\"\\\"\" , \"\"\\\"\"“one\""
};

final String regex = ",(\"[^\"]*(?:\"\"[^\"]*)*\"|[^,]+)";
final Pattern pattern = Pattern.compile(regex);

for (String line : csv) {  // loop a cada línea
    System.out.println("Línea: " + line);
    
    final Matcher m = pattern.matcher(line);
    
    while (m.find()) {  // loop a cada coincidencia (cada elemento sin la coma)
        // Imprimimos el grupo 1 (lo que coincidió entre paréntesis)
        System.out.println("  Elemento: " + m.group(1));
    }
}

Salida

Línea: ,codigo,nom,cognom
  Elemento: codigo
  Elemento: nom
  Elemento: cognom
Línea: ,111,michael,salinas
  Elemento: 111
  Elemento: michael
  Elemento: salinas
Línea: ,222,"luis","doh, \”jik"
  Elemento: 222
  Elemento: "luis"
  Elemento: "doh, \”jik"
Línea: ,333,ram,"Lak""\""""\""""\"" , ""\""“one"
  Elemento: 333
  Elemento: ram
  Elemento: "Lak""\""""\""""\"" , ""\""“one"

Demo en ideone

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.