Java 中读取 CSV 文件：从基础到最佳实践

简介

在数据处理和分析的场景中，CSV（逗号分隔值）文件是一种常见的数据存储格式。它以纯文本形式存储表格数据，每一行代表一条记录，列之间用逗号分隔。在 Java 中，读取 CSV 文件是一项基础且重要的任务，能够帮助开发者获取并处理存储在 CSV 文件中的各种数据。本文将深入探讨在 Java 中读取 CSV 文件的相关知识，包括基础概念、使用方法、常见实践以及最佳实践。

目录

1. 基础概念
   • 什么是 CSV 文件
   • CSV 文件结构特点
2. 使用方法
   • 使用 Java 标准库读取 CSV 文件
   • 使用第三方库（Apache Commons CSV）读取 CSV 文件
3. 常见实践
   • 处理不同分隔符的 CSV 文件
   • 处理包含表头的 CSV 文件
   • 处理缺失值
4. 最佳实践
   • 性能优化
   • 错误处理
   • 代码可维护性
5. 小结
6. 参考资料

基础概念

什么是 CSV 文件

CSV 文件是一种简单的文本文件格式，用于存储表格数据。它以纯文本形式表示数据，每一行代表表格中的一行记录，列与列之间使用逗号（默认分隔符）分隔。例如，一个简单的 CSV 文件可能如下所示：

姓名,年龄,城市
张三,25,北京
李四,30,上海

CSV 文件结构特点

• 行结构：每一行代表一条独立的记录，换行符（通常是 \n）用于分隔不同的行。
• 列结构：列之间使用分隔符（通常是逗号）隔开。需要注意的是，如果数据本身包含分隔符，通常会用引号将该数据括起来。例如："张三,先生",25,北京。
• 表头：CSV 文件的第一行通常是表头，用于描述每一列的数据含义。但并非所有 CSV 文件都有表头。

使用方法

使用 Java 标准库读取 CSV 文件

Java 的标准库提供了 java.io 包来处理文件操作。可以使用 BufferedReader 逐行读取 CSV 文件，并通过 split 方法按分隔符分割每一行数据。

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;

public class ReadCSVWithStandardLibrary {
    public static void main(String[] args) {
        String csvFilePath = "data.csv";
        try (BufferedReader br = new BufferedReader(new FileReader(csvFilePath))) {
            String line;
            while ((line = br.readLine()) != null) {
                String[] values = line.split(",");
                for (String value : values) {
                    System.out.print(value + "\t");
                }
                System.out.println();
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

使用第三方库（Apache Commons CSV）读取 CSV 文件

Apache Commons CSV 是一个功能强大的第三方库，提供了更便捷、灵活的方式来读取 CSV 文件。首先，需要在项目中添加 Apache Commons CSV 的依赖（如果使用 Maven，可以在 pom.xml 中添加以下依赖）：

<dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commons-csv</artifactId>
    <version>1.8</version>
</dependency>

以下是使用 Apache Commons CSV 读取 CSV 文件的示例代码：

import org.apache.commons.csv.CSVFormat;
import org.apache.commons.csv.CSVParser;
import org.apache.commons.csv.CSVRecord;

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;

public class ReadCSVWithApacheCommons {
    public static void main(String[] args) {
        String csvFilePath = "data.csv";
        try (BufferedReader br = new BufferedReader(new FileReader(csvFilePath));
             CSVParser csvParser = new CSVParser(br, CSVFormat.DEFAULT)) {

            for (CSVRecord csvRecord : csvParser) {
                for (String value : csvRecord) {
                    System.out.print(value + "\t");
                }
                System.out.println();
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

常见实践

处理不同分隔符的 CSV 文件

有些 CSV 文件可能使用其他字符作为分隔符，例如分号（;）。使用 Apache Commons CSV 可以很方便地处理这种情况，只需指定正确的分隔符。

import org.apache.commons.csv.CSVFormat;
import org.apache.commons.csv.CSVParser;
import org.apache.commons.csv.CSVRecord;

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;

public class ReadCSVWithCustomDelimiter {
    public static void main(String[] args) {
        String csvFilePath = "data_with_semicolon.csv";
        try (BufferedReader br = new BufferedReader(new FileReader(csvFilePath));
             CSVParser csvParser = new CSVParser(br, CSVFormat.DEFAULT.withDelimiter(';'))) {

            for (CSVRecord csvRecord : csvParser) {
                for (String value : csvRecord) {
                    System.out.print(value + "\t");
                }
                System.out.println();
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

处理包含表头的 CSV 文件

如果 CSV 文件包含表头，可以使用 Apache Commons CSV 的 withHeader() 方法来读取表头信息，并通过表头名称访问每一列的数据。

import org.apache.commons.csv.CSVFormat;
import org.apache.commons.csv.CSVParser;
import org.apache.commons.csv.CSVRecord;

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;

public class ReadCSVWithHeader {
    public static void main(String[] args) {
        String csvFilePath = "data_with_header.csv";
        try (BufferedReader br = new BufferedReader(new FileReader(csvFilePath));
             CSVParser csvParser = new CSVParser(br, CSVFormat.DEFAULT.withHeader())) {

            for (CSVRecord csvRecord : csvParser) {
                String name = csvRecord.get("姓名");
                String age = csvRecord.get("年龄");
                String city = csvRecord.get("城市");
                System.out.println("姓名: " + name + ", 年龄: " + age + ", 城市: " + city);
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

处理缺失值

在读取 CSV 文件时，可能会遇到某些单元格为空的情况。可以在读取数据时进行检查和处理。

import org.apache.commons.csv.CSVFormat;
import org.apache.commons.csv.CSVParser;
import org.apache.commons.csv.CSVRecord;

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;

public class HandleMissingValues {
    public static void main(String[] args) {
        String csvFilePath = "data_with_missing_values.csv";
        try (BufferedReader br = new BufferedReader(new FileReader(csvFilePath));
             CSVParser csvParser = new CSVParser(br, CSVFormat.DEFAULT)) {

            for (CSVRecord csvRecord : csvParser) {
                for (String value : csvRecord) {
                    if (value.isEmpty()) {
                        System.out.print("(缺失值)\t");
                    } else {
                        System.out.print(value + "\t");
                    }
                }
                System.out.println();
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

最佳实践

性能优化

• 批量读取：避免逐行读取，可以使用缓冲区一次性读取较大的数据块，减少 I/O 操作次数。例如，在使用 BufferedReader 时，可以适当调整缓冲区大小。
• 使用合适的数据结构：根据数据处理需求，选择合适的数据结构存储读取的数据。如果需要频繁查询，可以考虑使用 HashMap 等数据结构。

错误处理

• 文件存在性检查：在读取文件之前，先检查文件是否存在，避免出现 FileNotFoundException。
• 异常处理：对可能出现的异常（如 IOException、NumberFormatException 等）进行适当的捕获和处理，确保程序的稳定性。

代码可维护性

• 封装读取逻辑：将读取 CSV 文件的逻辑封装到独立的方法或类中，提高代码的可维护性和复用性。
• 添加注释：在代码中添加清晰的注释，解释关键步骤和逻辑，便于他人理解和维护代码。

小结

在 Java 中读取 CSV 文件有多种方法，从使用标准库到借助第三方库，每种方法都有其优缺点。通过理解 CSV 文件的基础概念，掌握不同的使用方法，并遵循常见实践和最佳实践，开发者能够高效、稳定地读取和处理 CSV 文件中的数据。希望本文能够帮助读者在实际项目中更好地应用这些知识，提升数据处理能力。

参考资料

• Apache Commons CSV 官方文档
• Java 教程 - 文件读取