读取CSV文件并写入另一个CSV-ArrayIndexOutOfBoundsException和模式困难

Question

我正在创建一个Java程序，该程序从一个csv文件中读取数据，并且几乎不更改地保存到另一个csv文件中：

a）在输出文件的第三栏中，我只能从输入文件的第四栏中提取特定格式的价格（例如4.99、2522.78）

b）在otput文件的第4列中，我必须从输入文件的第5列中提取格式为DD.MM.YYYY的日期。

c）最后三行的输入文件没有最后一列。 当我读取行并想要读取第一行而没有最后一列时，它会引发异常。

还有很多，但这些都是要克服的困难。 你可以帮帮我吗？ 我有模式，但我只是不知道如何在像我这样的表中使用它。

码：

import java.io.BufferedReader;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RwCSV {

private static final String SOURCE_FILE = "/home/krystian/Pulpit/products.csv";
private static final String RESULT_FILE = "/home/krystian/Pulpit/result3.csv";
private static final String DELIMITER1 = ";";
private static final String DELIMITER2 = "|";
//Pattern pattern;

public static void main(String[] args) {
    try (
            BufferedReader br = new BufferedReader(new FileReader(SOURCE_FILE));
            FileWriter fw = new FileWriter(RESULT_FILE)) {


        String line;
        while ((line = br.readLine()) != null) {
            String[] values = line.split(DELIMITER1);
            String[] result = new String[5];

            Pattern p = Pattern.compile("\\d+.\\d\\d");
            Matcher m = p.matcher(values[3]);
            //System.out.println(values[4]);
            result[0] = "'"+values[0]+"'";
            result[1] = "'"+values[1]+"?id="+values[2]+"'";
            result[2] = "'"+values[3]+"'";
            result[3] = "'"+values[3]+"'";
            result[4] = "'"+values[4]+"'"; //throws exception java.lang.ArrayIndexOutOfBoundsException

            for (int i = 0; i < result.length; i++) {
                fw.write(result[i].replace("\"", ""));

                if (i != result.length - 1) {
                    fw.write(DELIMITER2);
                }

                if (values.length<5) {continue;}
            }
            fw.write("\n");
        }
    } catch (FileNotFoundException ex) {
        System.out.println("File not found.");
    } catch (IOException ex) {
        ex.printStackTrace(System.out);
    }
    catch (NullPointerException ex) {

    }
}
}

输入文件：

"Product Name";"Link";"SKU";"Selling-Price";"description"
"Product #1";"http://mapofmetal.com";"AT-23";"USD 1,232.99";"This field contains no date!"
"Product #2";"http://mapofmetal.com";"BU-322";"USD 8654.56";"Here a date: 20.09.2014"
"Product #3";"http://mapofmetal.com";"FFZWE";"EUR 1255,59";"Another date: 31.4.1999"
"Product #4";"http://mapofmetal.com";234234;"345,99 €";"Again no date in this field."
"Product #5";"http://mapofmetal.com";"UDMD-4";"$34.00";"Here are some special characters: öäüß"
"Product #6";"http://mapofmetal.com";"33-AAU43";"431.333,0 EUR";"American date: 12-23-2003"
"Product #7";"http://mapofmetal.com";"33-AAU44";"431.333,0 EUR";"One more date: 1.10.2014"
"Product #8";"http://mapofmetal.com";"33-AAU45";"34,99";
"Product #9";"http://mapofmetal.com";"UZ733-2";234.99;
"Product #10";"http://mapofmetal.com";"42-H2G2";42;

输出文件行模式（必须更改分隔符和引号字符）：

'Product #2'|'http://mapofmetal.com?id=BU-322'|'8654.56'|'20.09.2014'

Answer 1

关于ArrayIndexOutOfBounds

您的问题似乎是当输入以;结尾时; ，则第5个元素将被丢弃。 例如：

"abc;def;".split(";")  ->  ["abc", "def"]

而不是您想要的， ["abc", "def", ""]

为此，请将您期望的数字元素作为第二个参数传递给.split() ，例如：

"abc;def;".split(";", 3)  ->  ["abc", "def", ""]

或负值：

"abc;def;".split(";", -1)  ->  ["abc", "def", ""]

在docs中对此进行了解释。

关于提取价格

提取价格非常棘手，因为您有多种格式：

• 1,232.99美元
• 欧元1255,59
• 345,99€
• $ 34.00
• 34,99

最大的问题是逗号，有时它应该被忽略，有时是小数点。 这可以与您给出的示例一起使用，但可能并不详尽，并且您可能需要根据其他可能的输入进行改进：

String price;
if (values[3].startsWith("EUR ") || values[3].endsWith(" €")) {
    // ignore non-digits and non-commas, and replace commas with dots
    price = values[3].replaceAll("[^\\d,]", "").replaceAll(",", ".");
} else {
    // ignore non-digits and non-dots
    price = values[3].replaceAll("[^\\d.]", "");
}

然后是这种格式，我不确定该怎么做：

431.333,0 EUR

我认为您需要更好的输入格式规范。 处理这种不一致的输入会不必要地困难且容易出错。

Answer 2

根据您要使用此代码的时间长短，可以选择快速还是更可靠的选择。

一种简单的方法是添加尝试并四处查找以检查值[4]中的结果，然后在文件中不存在默认值时在该catch中插入默认值。

Answer 3

您的产品文件只有4列，以“产品＃8”开头。 因此，您尝试访问values [4]，并且该数组索引不存在。