CSVにダブルクォーテーションやカンマが含まれる場合のパース処理 [Java]

この記事では、CSVファイルにダブルクォーテーションやカンマ、改行文字などの、構文を狂わせる要素が含まれる場合のパース方法について紹介しています。

仕事で外部システムと連携する場合など、時として非常に厄介な仕様のCSVファイルを処理しなければならないケースがありますよね？

よくある難しいパターンとしては、

• CSVのカラム内に改行コードが含まれている
• CSVのカラム内にカンマが含まれている（金額など）
• CSVのカラムのダブルクォーテーションの中に更にダブルクォーテーションが含まれている

などでしょう。
この様な仕様のCSVファイルをライブラリ無しで処理する方法について解説します。

この記事で紹介するサンプルコードでは、以下の仕様のCSVファイルを想定しています。

• ファイルの文字コードはShift-JIS
• 各カラムはダブルクォーテーションで囲われている
• カラムのダブルクォーテーションが入れ子になっていることがある
• カラムに改行コードが含まれることがある
• カラムにカンマが含まれることがある

ゴイチ

ややこしいCSVファイルをスマートに処理する方法を次の章で紹介します。

サンプルコード

読み取る具体的なCSVの中身は以下とします。

"1","1,234,567","文字列の途中で
改行コードが
含まれるパターン","文字列に"ダブルクォーテーション"が含まれるパターン"
"2","9,876","改行コードなし","文字列に,カンマ,が含まれるパターン"

サンプルコードを以下に示します。

import org.apache.commons.lang3.StringUtils;
import java.io.BufferedReader;
import java.io.IOException;
import java.nio.charset.Charset;
import java.nio.file.Files;
import java.nio.file.Paths;

public static void parse(String filePath) throws IOException {
    try (BufferedReader br = Files.newBufferedReader(Paths.get(filePath), Charset.forName("SJIS"))) {
        StringBuilder sb = new StringBuilder();

        String line;
        while ((line = br.readLine()) != null) {
            // ファイルから読み取った行を連結する
            sb.append(line);

            if (!StringUtils.endsWith(line, "\"")) {
                // 行末がダブルクォート以外の場合、改行コードが含まれているのでcontinueして次の行へ
                continue;
            }

            // 行の先頭と末尾のダブルクォートを除去した後、"," でsplitする。
            String[] columns = StringUtils.removeStart(
                            StringUtils.removeEnd(sb.toString(), "\""), "\"")
                    .split("\",\"");

            // 結果出力
            System.out.println(StringUtils.join(columns, "|"));

            // StringBuilderの初期化
            sb.setLength(0);
        }
    }
}

出力結果

1|1,234,567|文字列の途中で改行コードが含まれるパターン|文字列に"ダブルクォーテーション"が含まれるパターン
2|9,876|改行コードなし|文字列に,カンマ,が含まれるパターン

解説

ポイントは２つあります。

改行コードを除去しながら1行分の文字列を作成し、作成した文字列の先頭と末尾の「"」を削除した後、「","」で分割すれば、きれいにパースすることが出来ます。

今回のやり方を応用すれば、改行コードを任意の文字に置き換えたり、カンマやダブルクォーテーションを除去したりすることも出来るはずです。
ぜひ、自身の仕様に合わせてカスタマイズしてみて下さい。

まとめ

最後に、この記事の内容をまとめます。

特殊なパターンのCSVファイルの処理方法について解説しました。

この様な難しい処理をする前に、そもそもCSVではなくTSVファイルに仕様を変えて貰うなど、仕様変更で対処することも有効な方法だと思います。
仕様変更することも考慮しつつ、どうしてもCSVファイルで処理しなければならない場合に、今回の例を参考にしてみて下さい。

また、今回紹介したパターンでは上手く行かなかったケースがあれば、ぜひコメント欄で教えて頂けるとありがたいです。

最後まで読んでいただきありがとうございました。