为java中的每一行存储制表符分隔的TSV文件中的变量

Question

我尝试在 Java 中读取制表符分隔的 TSV 文件，并希望将每行的值存储在 2 个变量中。（变量名：制表符之前的所有内容，变量 2：制表符之后的所有内容）。该文件如下所示：Name1 Lastname1 TAB directory1/subdir1/subdir11Name2 SecondName2 Lastname2 TAB directory1/subdir2/subdir22所以我有 1）姓名和姓氏，用空格分隔 2）制表符 3）没有空格的 url 4）新行（在最后一个 url 字符之后，以便下一个条目从新行开始）我遵循了一个教程，而我已经拥有的是：// Open TSV Filepublic static Scanner openFile(String path) {    try {        Scanner scan;        scan = new Scanner(new File(path));         System.out.println("TSV-File found");        return scan;    } catch (Exception e) {    System.out.println("TSV-File not found");    }    return null;}   public static void readFile(Scanner scan) {    while(scan.hasNext()) {         String name = scan.next();        String url = scan.next();        System.out.printf("%s %s\n", name, url);    }}问题出在我的 readFile() 方法中，因为我不知道如何说“在制表符之前获取所有内容并将其存储到变量名”和“将所有内容从制表符获取到新行并将其存储到变量 url”。

Answer 1

String::split

我不知道怎么说“在制表符之前获取所有内容并将其存储到变量名”和“将所有内容从制表符获取到新行并将其存储到变量 url”。

使用该String::split方法将字符串切成更小的字符串。指定每行字段之间使用的分隔符 ( TAB )。你得到一个对象数组，String每个字段对应一个对象。

String[] fields = line.split( "\t" ) ;    // Chop string into smaller strings.

String name = fields[ 0 ] ;               // Annoying zero-based index counting.

String url = fields[ 1 ] ;

您应该添加一些代码来验证您在数组大小中获得了预期的字段数。

提示：使用库来执行读取和写入制表符分隔文件的繁琐工作。我使用Apache Commons CSV库来完成此类工作。它处理各种CSV格式以及制表符分隔。在 Stack Overflow 中搜索示例，例如我昨天发布的示例。在该示例代码中，将 更改CSVFormat.RFC4180为CSVFormat.TDF制表符分隔格式。

Answer 2

我会使用不同的方法 - BufferedReader. 有了它，您可以获得文件的行流并分别处理每一行。

import java.io.*;

public class App {

    public static void main(String[] args) {

        try (BufferedReader reader = new BufferedReader(new FileReader("data.tsv"))) {

            reader.lines()                     // Get a stream of lines

                .map(line -> line.split("\t")) // Split every line by the tab character

                .forEach(App::doStuff);        // Call doStuff for every tokenized line

        } catch (IOException e) {

            System.out.println("Cannot open the file.");

        }

    }

    static void doStuff(String[] tokens) {

        if (tokens.length != 2) {

            throw new IllegalArgumentException("Cannot do stuff with an invalid line.");

        }

        String name = tokens[0]; // tokens[0] contains everything before the tab character

        String url = tokens[1];  // tokens[1] contains everything after the tab character

        System.out.printf("%s %s\n", name, url);

    }

}

如果你真的想使用 a Scanner，你可以指定分隔符：

scan = new Scanner(new File(path)).useDelimiter("[\n\t]");

这将使扫描仪仅使用制表符和换行符作为分隔符。请注意，这意味着文件格式不需要完全像这样：'name TAB url NEWLINE name TAB url'。它也可以是'name NEWLINE url TAB name TAB url'。这是因为Scanner不关心分隔符的顺序。

如果您真的想使用 aScanner并保留严格的格式，则可以使用 2 个扫描仪。用第一行扫描一行，然后从该行扫描名称和 url。但我认为它太复杂了，我宁愿使用BufferedReader它，因为它确实保留了严格的格式。