文本文件中的特殊字符

Question

假设我有个文本文件，有如下基本格式（像Table一样的），+----------+----------+
|  data0   |   data1  |
|----------|----------|
|  data3   |   data4  |
+----------+----------+如果我要只读取data的内容，而忽略"+", "-", "|"等特殊格式字符，然后，把data按列保存在相应数组中（第一列column1[0]，第二列column2[1]...），请问我应该如何写这个读取文件的程序呢？

Answer 1

我感觉你应该抛开文本文件这个误区。完全看做是字符串
"|  data0  |  data1  | 
 |  data3  |  data4  |".

Answer 2

嗯？这个怎么解释呢？那我应该如何选择我需要的数据呢，也就是找例子中的data

Answer 3

public static void main(String[] args) throws IOException {
BufferedReader reader = new BufferedReader(new FileReader("c:\\1.txt"));
String line = reader.readLine();
List<String> column1 = new ArrayList<String>();
List<String> column2 = new ArrayList<String>();
//....
while(line != null) {
if (line.charAt(0)!='+') {
String[] values = line.split("\\|");
column1.add(values[1].trim());
column2.add(values[2].trim());
//...
}
line = reader.readLine();
}
}

Answer 4

4楼的思路已经很准确了，但是还存在点瑕疵，那就是“--------”。也会被作为元素存在list中。我将其稍作完善。在eclipse下可以运行的代码(jkd1.5以上)package com.fc.bayern;import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;public class TreatCharacter { public static void main(String[] args) throws IOException {
BufferedReader reader = new BufferedReader(new FileReader("c:\\1.txt"));
String line = reader.readLine();
List<String> column1 = new ArrayList<String>();
List<String> column2 = new ArrayList<String>();
// ....
while (line != null) {
if ((line.charAt(0) != '+')
&& !((line.charAt(0) == '|') && line.charAt(1) == '-')) {
String[] values = line.split("\\|");
column1.add(values[1].trim());
column2.add(values[2].trim()); } line = reader.readLine();
}
for (int i = 0; i < column1.size(); i++) {
System.out.println(column1.get(i));
}
System.out.println("******************");
for (int j = 0; j < column2.size(); j++) {
System.out.println(column2.get(j));
}
}}

Answer 5

请教楼上2位,用List和ArrayList的而不用普通数组的根据是什么呢？我原本一点也没考虑到要用ArrayList，所以这里也想再顺便问下，什么时候什么条件下应该采用的诸如ArrayList等实用类呢？

Answer 6

哦，关于下面这句判断我没看明白，为什么会在charAt(0)判断2次呢？if ((line.charAt(0) != '+')&& !((line.charAt(0) == '|') && line.charAt(1) == '-'))还有下面这段也是，为什么values[]是从index=1开始，不是0？难道values[0]的值是‘|’吗？String[] values = line.split("\\|");
column1.add(values[1].trim());
column2.add(values[2].trim());
对于上面的疑问能否再详细解释一下呢？在此先深表感谢了。另外，在上面这个例子中是不是可以使用StringTokenizer这个实用类呢，或者Scanner这个，貌似这2个都是可以处理String。

Answer 7

采用集合框架来处理比较方便。之所以判断两次是因为|----------|----------| 这种行是你所不需要的。要扣除它。之所以是从value[1]开始而不从value[0]开始是因为vlaue[0]装的是'|'StringTokenizer是目前并不推荐采用的方法，因为目前公认的处理字符串的利器应该是正则表达式(regular expression).关于这个程序你只要在eclipse中debug一下就一目了然了。

Answer 8

package com.regExp;import java.io.BufferedReader;
import java.io.FileInputStream;
import java.io.InputStreamReader;
import java.util.regex.Matcher;
import java.util.regex.Pattern;public class Tester { /**
 * @param args
 */
public static void main(String[] args) throws Exception{
// TODO Auto-generated method stub
String[][] str=new String[100][100];//初始为100*100
BufferedReader br = new BufferedReader(new InputStreamReader(
new FileInputStream("D:\\MyEclipse 7.0\\j2se\\Utils\\src\\table.txt")));
String s="";
String regexp="\\w+";
int rows=0;
while((s=br.readLine())!=null){
Pattern pattern=Pattern.compile(regexp);
Matcher matcher=pattern.matcher(s);
int cols=0;
while(matcher.find()){
str[rows][cols++]=matcher.group();
}
rows++;
}
for(int i=0;i<str.length;i++){
for(int j=0;j<str[i].length;j++){
if(str[i][j]!=null){
System.out.print(str[i][j]+"  ");
}
}
System.out.println();
}
}
}
测试通过

Answer 9

不过，貌似在读取中好像还有写小问题，假设我原来那个的文本文件的格式进行了扩展，更新为如下：+---------------+--------+----------------+-------+---------+----------------+------------+--------------+
| name          | passwd | st_addr        | state | country | st_addr_bill   | state_bill | country_bill |
+---------------+--------+----------------+-------+---------+----------------+------------+--------------+
| CustomerName0 | 0      | CustomerAddrs0 | NY    | USA     | CustomerAddrs0 | NY         | USA          | 
| CustomerName1 | 1      | CustomerAddrs1 | MI    | USA     | CustomerAddrs1 | MI         | USA          | 
| CustomerName2 | 2      | CustomerAddrs2 | TX    | USA     | CustomerAddrs2 | TX         | USA          | 
+---------------+--------+----------------+-------+---------+----------------+------------+--------------+然后保存为LoadCustomer.dat文件，我根据楼上各位好友的思路也写了下code，具体如下：
import java.io.*;
import java.util.*;public class readDATFile { /**
 * @param args
 */
public static void main(String[] args) throws IOException {
BufferedReader inputStream = null;
        PrintWriter outputStream = null;
        //Scanner s = null;
        //StringTokenizer strtok = null;        try {
            inputStream =
                new BufferedReader(new FileReader("LoadCustomer.dat"));            String l="";
            for(int i=0; i<3; i++)  // 为了跳过前3行，使l从第4行开始
             l = inputStream.readLine();            List<String> name = new ArrayList<String>();
            List<String> password = new ArrayList<String>();
            
            while ((l = inputStream.readLine()) != null) {
             if(!(l.charAt(1) == '|')){
             String[] values = l.split("\\|");
             name.add(values[1].trim());
             password.add(values[2].trim());
             }
             l = inputStream.readLine();            }
            for (int i = 0; i < name.size(); i++) { //输出第1列数据
                System.out.println(name.get(i));
            }
            for (int i = 0; i < password.size(); i++) {  //输出第2列数据
                System.out.println(password.get(i));
            }        } finally {
            if (inputStream != null) {
                inputStream.close();
            }
            if (outputStream != null) {
                outputStream.close();
            }
        }
    }
}
不过上面代码执行的结果有些奇怪，第1列里为何只有CustomerName0和CustomerName2的数据，第2列里也只有0和2，也就是把中间一行给跳掉了，不知能否再分析一下原因呢？

Answer 10

嗯，头疼，搞了许久还不对，可能我还是对split()方法不理解吧，还有那个正则表达式，期待高手的回复了

Answer 11

唉，自己终于写出来了，其实原来已经很接近的了，关键还是if那里没弄清楚import java.io.*;
import java.util.*;public class readDATFile { /**
 * @param args
 */
public static void main(String[] args) throws IOException { BufferedReader inputStream = null;
        PrintWriter outputStream = null;        try {
            inputStream =
                new BufferedReader(new FileReader("LoadCustomer.dat"));            String l="";
            for(int i=0; i<3; i++)
             l = inputStream.readLine();            List<String> name = new ArrayList<String>();
            List<String> password = new ArrayList<String>();
            String[] values;            while ((l = inputStream.readLine()) != null) {             if((l.charAt(0) == '|') && l.charAt(1) == ' '){
             values = l.split("[|]");
             name.add(values[1].trim());
             password.add(values[2].trim());             }            }
            for (int i = 0; i < name.size(); i++) {
                System.out.println(name.get(i));
            }
            for (int i = 0; i < password.size(); i++) {
                System.out.println(password.get(i));
            }        } finally {
            if (inputStream != null) {
                inputStream.close();
            }
            if (outputStream != null) {
                outputStream.close();
            }
        } }}结果：
CustomerName0
CustomerName1
CustomerName2
0
1
2
这样就正确了 =)

Answer 12

现在又有一个奇怪的问题了,用上面同样的方法读取如下的内容,会报 java.lang.StringIndexOutOfBoundsException: String index out of range: 0 的错误...+----------+---------+--------+-------+-------+---------+-----------+----------+-------+-------+
| catalogn | medium  | colour | fstop | speed | size    | available | image    | price | name  |
+----------+---------+--------+-------+-------+---------+-----------+----------+-------+-------+
|        1 | Film    | B      |    16 | 1/4   | 300x300 | Y         | A001.png |  1341 | A Sti |
|        2 | Film    | B      |     6 | 1/30  | 600x600 | Y         | A002.png |   433 | A Sti |
|        6 | Digital | B      |    11 | 1/4   | 300x300 | Y         | B001.png |   400 | A Ker |
|       16 | Video   | B      |     8 | 1/250 | 600x600 | Y         | R050.png |   340 | A New |
|       26 | Digital | B      |    11 | 1/4   | 75x75   | Y         | Z000.png |   320 | M Whi |
|       27 | Digital | B      |    16 | 1/2   | 300x300 | Y         | Z002.png |   800 | M Whi |
+----------+---------+--------+-------+-------+---------+-----------+----------+-------+-------+就这个表不行，其他的表用上面的方法都可以的，真搞不懂了呵，希望大家能帮忙看下，debug一下，多谢了

Answer 13

呵呵，楼主的问题越来越复杂啊
正巧，我们项目组也正在做一个文件导入清洗的模块，这些东西都已经实现了，甚至比access做的还好，不过，比较复杂。

Answer 14

如果你就想解析下面这格式, 用4楼的改进下就可以了. 至于你说的 java.lang.StringIndexOutOfBoundsException多半是对空行用了trim()后再用charAt(0)造成的, 下面我写了个例子供参考, column1[0] 就表示第一列, column1[o].get(0) 表示第一列第一个
+----------+---------+--------+-------+-------+---------+-----------+----------+-------+-------+ 
| catalogn | medium  | colour | fstop | speed | size    | available | image    | price | name  | 
+----------+---------+--------+-------+-------+---------+-----------+----------+-------+-------+ 
|        1 | Film    | B      |    16 | 1/4  | 300x300 | Y        | A001.png |  1341 | A Sti | 
|        2 | Film    | B      |    6 | 1/30  | 600x600 | Y        | A002.png |  433 | A Sti | 
|        6 | Digital | B      |    11 | 1/4  | 300x300 | Y        | B001.png |  400 | A Ker | 
|      16 | Video  | B      |    8 | 1/250 | 600x600 | Y        | R050.png |  340 | A New | 
|      26 | Digital | B      |    11 | 1/4  | 75x75  | Y        | Z000.png |  320 | M Whi | 
|      27 | Digital | B      |    16 | 1/2  | 300x300 | Y        | Z002.png |  800 | M Whi | 
+----------+---------+--------+-------+-------+---------+-----------+----------+-------+-------+ public static void print() throws IOException{
        BufferedReader reader = new BufferedReader(new FileReader("f:\\1.txt"));
        String line = reader.readLine();
        List[] column1 = new ArrayList[0];
        
        while (line != null){  //creates columns
         line = line.trim();
         if (line.length() > 0 && line.charAt(0) == '+'){
         String[] values = line.split("\\+");
         column1 = new ArrayList[values.length - 1];
         for (int i = 0; i < column1.length; i++){
         column1[i] = new ArrayList();
         }
         line = reader.readLine();
         break;
         }
         line = reader.readLine();
        }        while(line != null) {
         line = line.trim();
            if (line.length() > 0 && line.charAt(0) != '+') {
                String[] values = line.split("\\|");
                for (int i = 0, j = 1; j < values.length; i++, j++)
                    column1[i].add(values[j].trim());
            }
            line = reader.readLine();
        }
        
        reader.close();        for (int i = 0; i < column1.length; i++){
         System.out.println(column1[i]);
        }
}

Answer 15

用正则表达式和readLine就简单解决了!!!!!!

Answer 16

嗯,没错,因为trim的关系，所以在charAt(0)thorw OutOfBoundsException，我只要在我原来写的if条件里再加下l.length()>0就对了，唉，还是自己不是很仔细呵...还是要非常感谢你的提醒呵,当然还有其它各位的帮助,thanks