我有一个Unicode文件需要导出到数据库(Vertica)。列分隔符为 CTRL+B,记录分隔符为换行符 ()。只要列值中有换行符,就会使用 CTRL+A 作为转义字符。
当我使用 BufferedReader.readLine() 读取此文件时,ID 为 2 和 4 的记录被读取为两条记录。而我想将它们作为输出中给出的单个完整记录来读取。
下面是示例输入文件。 | 代表 CTRL+B,^ 代表 CTRL+A。
Input
ID|Name|Job Desc
----------------
1|xxxx|SO Job
2|YYYY|SO Careers^
Job
3|RRRRR|SO
4|ZZZZ^
ZZ|SO Job
5|AAAA|YU
Output:
ID|Name|Job Desc
----------------
1|xxxx|SO Job
2|YYYY|SO Careers Job
3|RRRRR|SO
4|ZZZZ ZZ|SO Job
5|AAAA|YU
文件很大,所以我不能使用StringEscapeUtils。对此有什么建议吗?
您可以使用带有自定义分量计的Scanner
。 我使用的分量计设置为匹配n
但不u0001n
(其中u0001
表示CTRL+A
):
try {
PrintWriter writer = new PrintWriter("dboutput.txt");
Scanner sc = new Scanner(new File("dbinput.txt"));
sc.useDelimiter(Pattern.compile("^(?!.*(\u0001\n)).*\n$"));
while (sc.hasNext()) {
writer.println(sc.next());
}
scanner.close();
writer.close();
} catch (FileNotFoundException e) {
e.printStackTrace();
}
蒂姆的回答部分正确。但是,它仍然无法解析 CTRL+A 转义的换行符。
这是我的解决方案(由蒂姆回答指导)
File f = new File("C:\Users\SV7104\Desktop\sampletest.txt");
Scanner sc = new Scanner(f).useDelimiter(Pattern.compile("\s*\u0002\n\s*"));
while (sc.hasNext()) {
System.out.print(1);
System.out.println(sc.next().toString().replaceAll("\u0001\n", " "));
}
如果有其他有效的方法,我也很想知道。