在阅读CSV时，我开始时会有一个问号

Question

我试图在学校做一个关于Java文本输入/输出的小练习，在尝试读取带有名称前缀（荷兰语）和姓氏的CSV文件时，我在开始时得到了一个问号。

这是一个小练习，我需要将我的代码添加到一个已经存在的项目中，其中包含3个小文件，以练习文本I/O的使用，请参阅项目代码：https://github.com/Remzi1993/klantenBestand

    public void vulNamenLijst() {
    // TODO: Lees het bestand "resources/NamenlijstGroot.csv" en zet elke regel (<tussenvoegsel>,<achternaam>)
    // in de ArrayList namenLijst.

    file = new File("resources/NamenlijstGroot.csv");

    try (
            Scanner scanner = new Scanner(file);
    ) {
        while (scanner.hasNext()) {
            String line = scanner.nextLine();
            String[] values = line.split(",");
            String namePrefix = values[0];
            String surname = values[1];
            namenLijst.add(namePrefix + " " + surname);
        }
    } catch (FileNotFoundException e) {
        System.err.println("Data file doesn't exist!");
    } catch (Exception e) {
        System.err.println("Something went wrong");
        e.printStackTrace();
    }
}

很抱歉在代码中同时使用荷兰语和英语。我试着用英语编写自己的代码，但这个代码练习已经存在，我只需要添加一些带有//TODO的代码来练习文本I/O。

Answer 1

为了使用“标准”组件减轻BOM，可以使用Apache的BOMInputStream。请注意，BOM有多种风格（请参阅此处了解更多详细信息），这应该能够可靠地处理它们。

如果你有一个相当大的项目，你可能会发现你的项目中已经通过commons io有了BOMInputStream

扫描仪将接收输入流（见此处）

Answer 2

我找到了一个简单的解决方案：

final String UTF8_BOM = "\uFEFF";

if (line.startsWith(UTF8_BOM)) {
    line = line.substring(1);
}

一个简单可行的例子：

File file = new File("resources/NamenlijstGroot.csv");

try (
    Scanner scanner = new Scanner(file, StandardCharsets.UTF_8);
) {
    while (scanner.hasNext()) {
        String line = scanner.nextLine().strip();

        final String UTF8_BOM = "\uFEFF";

        if (line.startsWith(UTF8_BOM)) {
            line = line.substring(1);
        }

        String[] values = line.split(",");
        String namePrefix = values[0];
        String surname = values[1];
        namenLijst.add(namePrefix + " " + surname);
    }
} catch (FileNotFoundException e) {
    System.err.println("Data file doesn't exist!");
} catch (Exception e) {
    System.err.println("Something went wrong");
    e.printStackTrace();
}

Answer 3

@funky是正确的。您的文件以UTF8-BOM开头。

xxd的输出：

00000000: efbb bf64 652c 4a6f 6e67 0a2c 4a61 6e73  ...de,Jong.,Jans
00000010: 656e 0a64 652c 5672 6965 730a 7661 6e20  en.de,Vries.van 

前三个字节是：ef bb bf