jackson-数据格式-csv:不带POJO的映射编号值

Question

我试图使用jackson-dataformat-csv解析一个CSV文件，并希望将数值列映射为Number java类型。

CsvSchema schema = CsvSchema.builder().setUseHeader(true)
    .addColumn("firstName", CsvSchema.ColumnType.STRING)
    .addColumn("lastName", CsvSchema.ColumnType.STRING)
    .addColumn("age", CsvSchema.ColumnType.NUMBER)
    .build();

CsvMapper csvMapper = new CsvMapper();  

MappingIterator<Map<String, Object>> mappingIterator = csvMapper
        .readerFor(Map.class)
        .with(schema)
        .readValues(is);        

while (mappingIterator.hasNext()) {
    Map<String, Object> entryMap = mappingIterator.next();
    Number age = (Number) entryMap.get("age");
}       

我希望entryMap.get("age")应该是Number，但我得到的是String。

我的CSV文件：

firstName,lastName,age
John,Doe,21
Error,Name,-10

我知道CsvSchema可以很好地处理POJO，但是我需要处理任意的CSV模式，所以我不能为每一种情况创建一个新的java类。

将CSV解析为类型化Map或Array的任何方法

Answer 1

您可以将单一性解析器用于这类事情。它更快，更灵活：

CsvParserSettingssettings = new CsvParserSettings(); //configure the parser if needed
CsvParser parser = new CsvParser(settings);

for (Record record : parser.iterateRecords(is)) {
    Short age = record.getShort("age");
}

要获得一个类型化的映射，请告诉解析器您正在使用的列的类型：

parser.getRecordMetadata().setTypeOfColumns(Short.class, "age" /*, and other column names*/);

//to get 0 instead of nulls when the field is empty in the file:
parser.getRecordMetadata().setDefaultValueOfColumns("0", "age", /*, and other column names*/);

// then parse
for (Record record : parser.iterateRecords(is)) {
    Map<String,Object> map = record.toFieldMap();
}

希望这能有所帮助

免责声明:我是这个图书馆的作者。它是开放源码和免费的(Apache2.0许可证)

Answer 2

现在，不可能使用Map配置CsvSchema反序列化。流程使用com.fasterxml.jackson.databind.deser.std.MapDeserializer，它现在不检查架构。我们可以编写自定义的Map反序列化器。关于GitHub：CsvMapper在使用@JsonAnySetter时不尊重CsvSchema.ColumnType有一个问题，cowtowncoder回答了这个问题：

在这一点上，模式类型不常用于任何事情，但我同意它应该被使用。

编辑

我决定仔细看一看，在场景后面使用com.fasterxml.jackson.databind.deser.std.MapDeserializer这个事实，我们可以做些什么。实现自定义Map反序列化器(它将注意类型)将很难实现和注册，但我们可以使用有关ValueInstantiator的知识。让我们定义新的Map类型，它知道如何处理ColumnType信息：

class CsvMap extends HashMap<String, Object> {

    private final CsvSchema schema;
    private final NumberFormat numberFormat = NumberFormat.getInstance();

    public CsvMap(CsvSchema schema) {
        this.schema = schema;
    }

    @Override
    public Object put(String key, Object value) {
        value = convertIfNeeded(key, value);
        return super.put(key, value);
    }

    private Object convertIfNeeded(String key, Object value) {
        CsvSchema.Column column = schema.column(key);
        if (column.getType() == CsvSchema.ColumnType.NUMBER) {
            try {
                return numberFormat.parse(value.toString());
            } catch (ParseException e) {
                // leave it as it is
            }
        }

        return value;
    }
}

对于没有no-arg构造函数的新类型，我们应该创建新的ValueInstantiator

class CsvMapInstantiator extends ValueInstantiator.Base {

    private final CsvSchema schema;

    public CsvMapInstantiator(CsvSchema schema) {
        super(CsvMap.class);
        this.schema = schema;
    }

    @Override
    public Object createUsingDefault(DeserializationContext ctxt) {
        return new CsvMap(schema);
    }

    @Override
    public boolean canCreateUsingDefault() {
        return true;
    }
}

示例用法：

import com.fasterxml.jackson.databind.DeserializationContext;
import com.fasterxml.jackson.databind.MappingIterator;
import com.fasterxml.jackson.databind.ObjectReader;
import com.fasterxml.jackson.databind.deser.ValueInstantiator;
import com.fasterxml.jackson.databind.module.SimpleModule;
import com.fasterxml.jackson.dataformat.csv.CsvMapper;
import com.fasterxml.jackson.dataformat.csv.CsvSchema;

import java.io.File;
import java.io.IOException;
import java.text.NumberFormat;
import java.text.ParseException;
import java.util.HashMap;

public class CsvApp {

    public static void main(String[] args) throws IOException {
        File csvFile = new File("./resource/test.csv").getAbsoluteFile();

        CsvSchema schema = CsvSchema.builder()
                .addColumn("firstName", CsvSchema.ColumnType.STRING)
                .addColumn("lastName", CsvSchema.ColumnType.STRING)
                .addColumn("age", CsvSchema.ColumnType.NUMBER)
                .build().withHeader();

        // Create schema aware map module
        SimpleModule csvMapModule = new SimpleModule();
        csvMapModule.addValueInstantiator(CsvMap.class, new CsvMapInstantiator(schema));

        // register map
        CsvMapper csvMapper = new CsvMapper();
        csvMapper.registerModule(csvMapModule);

        // get reader for CsvMap + schema
        ObjectReader objectReaderWithSchema = csvMapper
                .readerWithSchemaFor(CsvMap.class)
                .with(schema);

        MappingIterator<CsvMap> mappingIterator = objectReaderWithSchema.readValues(csvFile);

        while (mappingIterator.hasNext()) {
            CsvMap entryMap = mappingIterator.next();

            Number age = (Number) entryMap.get("age");
            System.out.println(age + " (" + age.getClass() + ")");
        }
    }
}

以上代码用于以下CSV有效载荷：

firstName,lastName,age
John,Doe,21
Error,Name,-10.1

指纹：

21 (class java.lang.Long)
-10.1 (class java.lang.Double)

看上去像是黑客，但我想证明这种可能性。