Discussion :

[pjmorce]

Bonjour,

Je vous présente un problème qui me semble compliqué:

J'ai plusieurs fichiers de type CSV. Ces fichiers me sont fournis. Je ne devrait pas avoir à les modifier. Mon projet Java va devoir être capable de faire le parsing de ces fichiers.

Cependant, il y a un problème: les fichiers peuvent avoir un séparateur différent (";", ",", " ", "\t", etc.)

Quelqu'un peut-il me suggérer une possible piste/solution capable de façon à ce que je sois capable détecter quel est le séparateur utilisé dans un fichier CSV?

Merci

[thelvin]

Tester le parsing avec chacun des séparateurs possibles et garder le résultat le moins délirant.

[tchize_]

Autre suggestion:

parser le fichier comme du texte brut
faire l'inventaire des caractères les plus courants dans le fichier
il y a de fortes chance que ton séparateur soit en tête de liste.


aussi, si le format est constant dans une fichier donnée, un critère pourrait être de parser et vérifier que tu a bien le même nombre de colonnes à chaque ligne.

Mais ça reste de la bidouille. Le mieux serait qu'on évite de faire rentrer du caca dans ton programme (garbage in / garbage out)

Au passage, même si il n'y a pas de facto de standard pour le CSV, il y a quand même sont nom qui dit "Comma separated values"

Et là tu n'a pas encore traité le problème des quotes et des caractères d'échappement, le multilignes, le charset

Le meilleur outil que je puisse te suggérer est celui-ci:
http://www.singlemaltwhiskyandavaila...8b-500x500.jpg

[wax78]

Très bon outil _tchize, mais il ne faut pas en abuser

[clubist]

Techniquement, tu peux utiliser les regex.Pattern et tu mets tes caractères séparateurs dedans, puis en utilisation matcher, java te donne le nombre de résultats et leurs positions (les méthodes group et start).

Maintenant si on parle de la structure des fichiers csv, je pense qu'un fichier csv valide doit avoir qu'un seul séparateur.
Pourquoi ?

Car on peut trouver un caractère avec plusieurs occurrences dans le parsing mais il est présent comme un caractère ordinaire dans une phrase, par exemple

Cristophe; ingénieur, technico-commercial produit Xx; 34 ans

ici la virgule n'est pas un séparateur.

[thelvin]

Techniquement, tu peux utiliser les regex.Pattern et tu mets tes caractères séparateurs dedans, puis en utilisation matcher, java te donne le nombre de résultats et leurs positions (les méthodes group et start).

Nope, group() ne compte rien du tout. D'ailleurs il renvoie une String -_-°. Un Matcher ne compte pas le nombre d'occurrences trouvées. find() s'arrête à la première occurrence trouvée, et doit être rappelé quand on veut chercher la suivante.