java - 读取带有换行符的转义字符的java文件

Question

我有一个 Unicode 文件需要导出到数据库 (Vertica)。列分隔符为CTRL+B，记录分隔符为换行符(\n)。每当列值中有换行符时，CTRL+A 用作转义符。

当我使用 BufferedReader.readLine() 读取此文件时，ID 为 2 和 4 的记录被读取为两条记录。而我想将它们作为输出中给出的单个完整记录来阅读。

这是示例输入文件。 |代表CTRL+B，^代表CTRL+A。

Input
ID|Name|Job Desc
----------------
1|xxxx|SO Job
2|YYYY|SO Careers^
Job
3|RRRRR|SO
4|ZZZZ^
 ZZ|SO Job
5|AAAA|YU

Output:
ID|Name|Job Desc
----------------
1|xxxx|SO Job
2|YYYY|SO Careers Job
3|RRRRR|SO
4|ZZZZ ZZ|SO Job
5|AAAA|YU

文件很大，所以我不能使用 StringEscapeUtils。对此有何建议？

Answer 1

您可以使用带有自定义定界符的扫描器。我使用的分隔符设置为匹配 \n 但不 \u0001\n (其中 \u0001 代表 CTRL+A):

try {
    PrintWriter writer = new PrintWriter("dboutput.txt");
    Scanner sc = new Scanner(new File("dbinput.txt"));
    sc.useDelimiter(Pattern.compile("^(?!.*(\\u0001\\n)).*\\n$"));
    while (sc.hasNext()) {
        writer.println(sc.next());
    }
    scanner.close();
    writer.close();
} catch (FileNotFoundException e) {
   e.printStackTrace();
}