手动解析CSV文件v2.0

前提：这里考虑的各个单元格数据都不为空。

一、背景

实际的csv文件是用英文逗号分隔的，是一个简单的文本，但是如果单元格内的数据本身就包含英文逗号呢？

以上这种情况，保存的文本大概是这个样子：

张三,"3500,4500","唱歌,游泳,骑马,"

二、解析

下面使用java进行手动解析：

public class App {

    public static void main(String[] args) {
        // 张三,"3500,4500","唱歌,游泳,骑马,"
        final String str = "张三,\"3500,4500\",\"唱歌,游泳,骑马,\"";
        System.out.println(str);
        final char[] arr = str.toCharArray();
        int start = 0;
        // 表示一个单元格内的数据就包含,
        boolean complex = false;
        int len = arr.length;
        for (int i = 0; i < len; i++) {
            char c = arr[i];
            if (c == '"') { // 表示一个复合体的开始或者结束
                if (complex) {
                    // 已经设置过complex标志，说明当前是一个复合体的结束"
                    final String item = new String(arr, start, i - start);
                    System.out.println(item);
                    complex = false;
                    i++;
                } else {
                	// 未设置过complex标志，说明当前是一个复合体的开始"
                    start = i + 1;
                    complex = true;
                }
            } else if (c == ',' && !complex) { // 一个普通单元格的结束
                final String item = new String(arr, start, i - start);
                System.out.println(item);
                start = i + 1;
            }
        }
    }

}

控制台打印的内容：

张三,"3500,4500","唱歌,游泳,骑马,"
张三
3500,4500
唱歌,游泳,骑马,

三、思路

名词解释：
复合体：这里指的是数据中就包含英文逗号,的单元格。
普通单元格：这里指的是数据中不包含英文逗号,的单元格。

解析张三,"3500,4500","唱歌,游泳,骑马,"这行csv数据，基本原理还是将它转换为char[]字符数组，从头到尾逐个字符查看，对特殊字符进行标记、记录，这里特殊标记包括：

1. 英文逗号,，它可能表示一个普通单元格的结束，也可能只是复合体中的一个普通字符
2. 英文分号"，它用来将一个复合体包裹起来，表示一个复合体的开始或者是结束

对于一个单元格的数据，我需要知道它从哪里开始，即这里的start变量值，到哪里结束，这里就是检测到结束的i的位置，然后从arr字符数组中构建一个String，就得到了一个单元格的数据。

对于普通字符，不需要标记，跳过即可，考虑上面提到的两个特殊标志：

1. 对于,来说，如果当前的complex为false，说明之前并没有碰到复合体，那么它就是一个单元格数据的结束了，可以构建一个String，并且可以预见下一个字符就应该是另一个单元格数据的开始，那么就需要将它设置为start = i + 1，其实它并不完全正确，因为下一个有可能是特殊标记"，但是它会被下面的这种情况所修正
2. 对于"来说，它有可能表示复合体的开始或者结束，这里使用一个布尔值complex来进行区分，如果complex的值为true，说明当前遇到一个"标记，并且之前也碰到一个"才会使得complex的值为true，即可以构建一个final String item = new String(arr, start, i - start)。同时需要设置complex的值为false，让它失效，同时紧挨着的下一个,没有意义，手动跳过它：i++。如果complex的值为false，说明是第一个遇到"，表示复合体的开始，只需要设置start = i + 1，同时设置complex = true使之生效。

---

that’s all
thanks for reading~
111