jackson-dataformat-csv:没有 POJO 的映射数值

jackson-dataformat-csv: Mapping number value without POJO

我正在尝试使用 jackson-dataformat-csv 解析 CSV 文件,我想将数字列映射到数字 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,但我得到的却是 String

我的 CSV 文件:

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

我知道 CsvSchema 适用于 POJO,但我需要处理任意 CSV 模式,因此我无法为每种情况创建新的 java class。

有什么方法可以将 CSV 解析为类型化的 MapArray

目前无法使用 CsvSchema 配置 Map 反序列化。进程使用 com.fasterxml.jackson.databind.deser.std.MapDeserializer 现在不检查模式。我们可以编写自定义 Map 解串器。 GitHub 上有一个问题:CsvMapper does not respect CsvSchema.ColumnType when using @JsonAnySetter 其中 cowtowncoder 回答:

At this point schema type is not used much for anything, but I agree it should.

编辑

我决定仔细看看在幕后使用 com.fasterxml.jackson.databind.deser.std.MapDeserializer 这个事实我们能做些什么。实现自定义 Map 反序列化器来处理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;
    }
}

用法示例:

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() + ")");
        }
    }
}

下面 CSV 负载的以上代码:

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

打印:

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

它看起来像一个 hack,但我想展示这种可能性。

您可以使用 univocity-parsers 来处理这类事情。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");
}

要获得类型化映射,请告诉解析器您正在使用的列的类型是什么:

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();
}

希望对您有所帮助

免责声明:我是这个图书馆的作者。它是开源且免费的(Apache 2.0 许可证)