Понимание этого заголовка CSV

Question

Мне нужно проанализировать файл CSV с таким заголовком:

Company;Registered office;Notifying party;Domicile or Registered office;Holdings of voting rights;;;;;;Publication

;;;;directly held;;additionally counted;;total;;in Germany;;in foreign countries

;;;;percentage;single rights;percentage;single rights;percentage;single rights;Official stock exchange

Мне было интересно, является ли это стандартный формат заголовка , потому что я ожидал, чтобы все поля были перечисленыодин за другим, например (в первом ряду) «Владение процентами прав голоса, непосредственно удерживаемых в процентах; владение правами голоса, непосредственно удерживаемыми в правах», в то время как я вижу, что информация разбита на три строки.

В настоящее время мой файл имеет 6 строк заголовка (три показаны и остальные три на другом языке), как я могу определить, если за день они добавят еще несколько строк заголовка ??Файл продолжается следующей строкой (первые данные) и так далее.Первая строка реальных данных не всегда одинакова

BBS Kraftfahrzeugtechnik AG;Schiltach;Baumgartner, Heinrich;Deutschland;62,5;;37,5;;100,0;;Börsenzeitung;04.04.2002

Я также ищу библиотеки Java, которые могут анализировать файлы CSV .

Answer 1

Я не согласен с теми, кто утверждает, что допускается только запятая. Википедия , например, приводит случай CSV для Германии, в котором для разделения CSV используются точки с запятой (поскольку запятые используются для десятичного разделения) Я думаю, что MS Excel также очень гибок в использовании разделителей. Это просто умы программистов, которые стремятся к наиболее упрощенному случаю.

Для анализа CSV я рекомендую Ostermiller Utils .

Q> как я могу определить, если за день они добавят еще несколько строк заголовка?
A> ты не можешь. Единственное, на что вы можете положиться - это динамический макет (где вы заранее знаете имена столбцов) или статический макет (где вы предполагаете, что этот столбец всегда n-й).

Answer 2

Несмотря на то, что файлы CSV (Comma Seperated Value) имеют слово запятую в своем имени, я видел некоторые очень странные вещи в корпоративном мире.

Я бы предложил создать собственное представление данных. Похоже, вы читаете в нескольких файлах все по-разному отформатированы?

Я бы подошел к проблеме по модульному принципу. Имейте импортеров для различных форматов, приведите их к нормализованному представлению данных, которое вы сделаете, чем хотите.

Все это предполагает, что эти файлы содержат данные одного типа и что вы не можете контролировать файлы, которые вы получаете.

Даже если это не так, абстрагирование данных от их представления и сохранение их в отдельном проекте было бы полезно.

Я бы также рекомендовал использовать OpenCSV

Answer 3

Да, у вас есть законный файл CSV. Я успешно прочитал его в Excel и подозреваю, что у меня не будет проблем с OpenOffice. Для Excel я сохранил его как файл .txt, но затем в открывшемся диалоге должен был сказать Excel, что он разделен точками с запятой.

Это "стандарт" в том смысле, что он разделяет столбцы разделителем (точки с запятой в порядке, как и табуляции и, конечно, запятые) и строки новыми строками.

Причина, по которой вы получили этот формат, заключается в том, что вторая и третья строки заголовка не располагаются непосредственно под первой строкой. «Владение избирательными правами» охватывает 6 колонок. Под ним, во второй строке заголовка, «непосредственно удерживается» охватывает 2 столбца, как и «дополнительные подсчитанные» и «итоговые». Третья строка заголовка разбивает вторую строку заголовка на «проценты» и «отдельные права».

Не думаю, что вы легко сможете найти, когда заголовки останавливаются и данные начинаются. Это семантическая проблема - одна из смыслов. Впрочем, человеку легче!

Answer 4

Это не файл CSV.Вы должны получить спецификацию для этого файла от того, кто его генерирует.

CSV-файлы имеют значения, разделенные запятыми, с одной записью на строку.Это свободная спецификация в отношении того, как экранировать запятые и экранировать символы.В Excel используются двойные кавычки вокруг значений, а затем двойные кавычки.

Answer 5

Что касается библиотек разбора CSV, я настоятельно рекомендую OpenCSV .

Также см .: Можете ли вы порекомендовать библиотеку Java для чтения (и, возможно, записи) файлов CSV?

Answer 6

Что касается заголовков CSV, стандартного формата не существует.Во всех случаях мы предполагаем, что первая строка является заголовком.Несмотря на то, что заголовок занимает несколько строк (что я вижу здесь впервые), вам нужно знать количество столбцов заголовка, прежде чем приступить к синтаксическому анализу этого файла.По крайней мере, это начало.

Следующее предположение в файлах csv обычно состоит в том, что одна строка - это одна строка или запись.Поэтому обычно заголовки и данные разделяются символом новой строки.В вашем случае я не уверен, как вы генерируете файл и как его планируется использовать.

Answer 7

Стандартного формата заголовка не существует. Можно условно считать, что первая строка представляет собой список значений, разделенных запятыми, представляющих заголовки столбцов.

В вашем случае ваша таблица имеет три строки заголовка (мое предположение основано на подсчете ячеек и сравнении с содержанием вашего примера данных).

Это все еще csv, но вы заранее не знаете, какая строка является первой строкой, содержащей фактические данные. Никакой подсказки не дано самим форматом.