我们需要比较两个 CSV 文件。假设文件一有几行，第二个文件可以有相同的行数或更多。大多数行在两个文件上都可以保持相同。寻找在这两个文件之间进行差异的最佳方法，并仅读取第二个文件与第一个文件有差异的那些行。处理该文件的应用程序使用 Java。
什么是最好的方法？
注意：如果我们能知道在第二个文件中更新、插入或删除了一行，那就太好了。
要求：-
一种方法是使用 java 的Set接口；将每一行读取为一个字符串，将其添加到集合中，然后removeAll()在第一组上对第二组执行 a ，从而保留不同的行。当然，这假设文件中没有重复的行。
// using FileUtils to read in the files.
HashSet<String> f1 = new HashSet<String>(FileUtils.readLines("file1.csv"));
HashSet<String> f2 = new HashSet<String>(FileUtils.readLines("file2.csv"));
f1.removeAll(f2); // f1 now contains only the lines which are not in f2
更新
好的，所以你有一个PK领域。我只是假设您知道如何从您的字符串中获取它；使用 openCSV 或正则表达式或任何你想要的。做一个实际的HashMap而不是HashSet上面的 a，使用 PK 作为键和行作为值。
HashMap<String, String> f1 = new HashMap<String, String>();
HashMap<String, String> f2 = new HashMap<String, String>();
// read f1, f2; use PK field as the key
List<String> deleted = new ArrayList<String>();
List<String> updated = new ArrayList<String>();
for(Map.Entry<String, String> entry : f1.keySet()) {
if(!f2.containsKey(entry.getKey()) {
deleted.add(entry.getValue());
} else {
if(!f2.get(entry.getKey().equals(f1.getValue())) {
updated.add(f1.getValue());
}
}
}
for(String key : f1.keySet()) {
f2.remove(key);
}
// f2 now contains only "new" rows
读取整个第一个文件，并将其放入List. 然后一次读取第二个文件一行，并将每一行与第一个文件的所有行进行比较，看看它是否重复。如果它不是重复的，那么它就是新信息。如果您在阅读时遇到问题，请查看http://opencsv.sourceforge.net/，它是一个非常好的用于在 Java 中读取 CSV 文件的库。
Try using the java-diff-utils library
I use groovy for quick demos of java libraries:
The following differences are reported between two sample files:
$ groovy diff
[ChangeDelta, position: 0, lines: [1,11,21,31,41,51] to [1,11,99,31,41,51]]
[DeleteDelta, position: 2, lines: [3,13,23,33,43,53]]
[InsertDelta, position: 5, lines: [6,16,26,36,46,56]]
1,11,21,31,41,51
2,12,22,32,42,52
3,13,23,33,43,53
4,14,24,34,44,54
5,15,25,35,45,55
1,11,99,31,41,51
2,12,22,32,42,52
4,14,24,34,44,54
5,15,25,35,45,55
6,16,26,36,46,56
//
// Dependencies
// ============
import difflib.*
@Grapes([
@Grab(group='com.googlecode.java-diff-utils', module='diffutils', version='1.2.1'),
])
//
// Main program
// ============
def original = new File("file1.csv").readLines()
def revised = new File("file2.csv").readLines()
Patch patch = DiffUtils.diff(original, revised)
patch.getDeltas().each {
println it
}
According to the dbunit FAQ performance of this solution can be improved for very large datasets by using a streamed revision of the ResultSetTableFactory interface. This is enabled within the ANT task as follows:
ant.dbunit(driver:driver, url:url, userid:user, password:pass) {
compare(src:"dbunit.xml", format:"flat")
dbconfig {
property(name:"datatypeFactory", value:"org.dbunit.ext.h2.H2DataTypeFactory")
property(name:"resultSetTableFactory", value:"org.dbunit.database.ForwardOnlyResultSetTableFactory")
}
}
有一个程序可以比较/减去两个 CSV 文件。它使用 ArrayList
import java.io.*;
import java.util.ArrayList;
/* file1 - file2 = file3*/
public class CompareCSV {
public static void main(String args[]) throws FileNotFoundException, IOException
{
String path="D:\\csv\\";
String file1="file1.csv";
String file2="file2.csv";
String file3="p3lang.csv";
ArrayList al1=new ArrayList();
ArrayList al2=new ArrayList();
//ArrayList al3=new ArrayList();
BufferedReader CSVFile1 = new BufferedReader(new FileReader(path+file1));
String dataRow1 = CSVFile1.readLine();
while (dataRow1 != null)
{
String[] dataArray1 = dataRow1.split(",");
for (String item1:dataArray1)
{
al1.add(item1);
}
dataRow1 = CSVFile1.readLine(); // Read next line of data.
}
CSVFile1.close();
BufferedReader CSVFile2 = new BufferedReader(new FileReader(path+file2));
String dataRow2 = CSVFile2.readLine();
while (dataRow2 != null)
{
String[] dataArray2 = dataRow2.split(",");
for (String item2:dataArray2)
{
al2.add(item2);
}
dataRow2 = CSVFile2.readLine(); // Read next line of data.
}
CSVFile2.close();
for(String bs:al2)
{
al1.remove(bs);
}
int size=al1.size();
System.out.println(size);
try
{
FileWriter writer=new FileWriter(path+file3);
while(size!=0)
{
size--;
writer.append(""+al1.get(size));
writer.append('\n');
}
writer.flush();
writer.close();
}
catch(IOException e)
{
e.printStackTrace();
}
}}
你提到检测“更新”的行。我想这意味着一行在更新后以某种方式具有身份。也许单列或复合列提供标识。那是您个人需要整理和实施的实施细节，它只会为您的解决方案添加更多代码。
无论如何...数据库往往对处理集合数据和从 csv 文件加载数据有很好的支持。所有大名鼎鼎的关系数据库都以简单的语法将 csv 文件中的数据加载到表中提供了强大的支持。此时，在两个表之间查找新行或修改的行是非常简单的 sql 查询。
它显然不是一个纯 Java 解决方案，但我认为值得一提。
如果您想比较存储在字符串变量中的两个 csv 响应（如果您通过 REST 调用获取它们），我的简单解决方案。就我而言，我想在 10 个不同行的阈值后退出检查。
BufferedReader baseline = new BufferedReader(new StringReader(responseBaseline));
BufferedReader tested = new BufferedReader(new StringReader(responseTested));
String lineBaseline = null;
String lineTested = null;
boolean linesExist = true;
boolean foundDiff = false;
int lineNumber = 0;
int errorNumber = 0;
int errorThreshold = 10;
String message = "";
while (linesExist) {
try {
lineBaseline = baseline.readLine();
lineTested = tested.readLine();
lineNumber++;
if ((lineBaseline != null) && (lineTested != null)) {
if (!lineTested.equals(lineBaseline)) {
foundDiff = true;
errorNumber++;
if (errorNumber > errorThreshold) {
message = message + "\r\n" + "Found more than " + errorThreshold + " lines that were different. Will exit check.";
break;
}
message = message + "\r\n" + "\r\n#Found differences for line number " + lineNumber + "\r\nLine baseline: " + lineBaseline + "\r\nLine tested: " + lineTested;
}
} else {
linesExist = false;
}
} catch (IOException e) {
throw new Error("Problems with reading csv files");
}
}
if (foundDiff) {
throw new Error("Found differences between csv files. " + message);
}
}
我的建议：
您可以读取文件以创建由 分隔的标记，并从两侧修剪每个标记，以便处理额外的空间，然后将它们存储在有序的数据结构中（类似于链接哈希集、链接哈希映射等（如果您想通过文件中的重复项（如果有的话），然后对另一个文件重复它。
Java 提供了许多实用方法来比较这些数据结构。:)