当字符串中有逗号时，找不到两个字符串数组的正确交集

Question

我有两个CSV文件："用户特征"；以及"；itemfeatures"；。userfeature中的每一行都与特定用户相关。例如，用户特征文件中的第一行是：

005c2e08","Action","nm0000148","dir_ nm0764316","USA"

我需要找到这一行与第二个文件"的每一行的交点；itemfeatures"；。（实际上，我需要对所有用户重复此过程，即对"userfeatures"的所有行重复此过程）。

因此，第一个比较将与"；itemfeatures"；即：

"tt0306047","Comedy,Action","nm0267506,nm0000221,nm0356021","dir_ nm0001878","USA"

交集的结果应该是["Action", "USA]"，但不幸的是，我的代码只找到["USA"]作为匹配项。以下是我迄今为止所尝试的：

public class Main {
  public static void main(String[] args) throws Exception {   
     BufferedReader userfeatures = new BufferedReader(new FileReader("userFeatureVectorsTest.csv"));
     BufferedReader itemfeatures = new BufferedReader(new FileReader("ItemFeatureVectorsTest.csv"));       
     ArrayList<String> userlines = new ArrayList<>();
     ArrayList<String> itemlines = new ArrayList<>();
     String Uline = null;      
        while ((Uline = userfeatures.readLine()) != null) {
            for (String Iline = itemfeatures.readLine(); Iline != null; Iline = itemfeatures.readLine()) {
                System.out.println(Uline); 
                System.out.println(Iline);                
                System.out.println(intersect(Uline, Iline)); 
                System.out.println(union(Uline, Iline)); 
            }
        }
 userfeatures.close();
 itemfeatures.close();
 }    
  static Set<String> intersect(String Uline, String Iline) {
      Set<String> result = new HashSet<String>(Arrays.asList(Uline.split(",")));
      Set<String> IlineSet = new HashSet<String>(Arrays.asList(Iline.split(",")));
      result.retainAll(IlineSet);
      return result;
   }  
  static Set<String> union(String Uline, String Iline) {
      Set<String> result = new HashSet<String>(Arrays.asList(Uline.split(",")));
      Set<String> IlineSet = new HashSet<String>(Arrays.asList(Iline.split(",")));
      result.addAll(IlineSet);
      return result;
   }
}

我认为这个问题与Uline.split(",")和Iline.split(",")有关，因为他们认为"Comedy,Action"是一个词，所以找不到[Action]是"Comedy,Action"和"Action"的交集。如果有人知道如何解决这个问题，我将不胜感激。

Answer 1

尝试删除两个字符串中的双引号。

因为当你拆分时

"tt0306047"，"喜剧，动作"，"nm0267506，nm0000221，nm0356021"，"目录_nm0001878"，"美国"

你会得到

行动"

代币，永远不会匹配

"行动"

代币。

Answer 2

如果打印行，它是什么样子的？我认为你的问题在于阅读文件，例如：

"005c2e08"，"Action"，"nm0000148"，"dir_nm0764316"，"USA"

按"，"拆分将导致：

"005c2e08"行动"

等等。而你的第二条线将是：

"tt0306047"喜剧行动"

这就是为什么美国正在拦截，但行动并没有。

使用csv阅读器读取csv文件，然后用逗号分隔csv行的属性。这样你就可以去掉quoutes，你的代码就会在中工作

例如，这个库对于读取CSV文件非常方便：

http://opencsv.sourceforge.net/