Java Commons CSV空字符串与缺失列怎么区分

在 Java Commons CSV 里，空字符串和缺失列不是一回事：空字符串表示这一个列已经在表头映射中，而且当前记录确实有这个位置，只是值为 ""；缺失列表示当前记录的值数组没有走到该位置。判断时先看 isMapped，再看 isSet，不要直接把 get 返回的空值当成列不存在。

官方地址：https://commons.apache.org/proper/commons-csv/

先分开表头映射和当前记录值

Commons CSV 把 CSV 的表头和每条记录拆成了两个层次。启用表头后，CSVRecord 内部同时知道“列名对应哪个索引”和“当前行实际有多少个值”。所以，isMapped 问的是“这个名字有没有映射”，isSet 问的是“映射后的索引是否落在当前记录的值数组里”。

因此，“表头没有 email”和“这条记录没有 email 这一格”应分别处理。前者通常是输入格式不符合约定；后者可能只是导出程序省略了行尾空列。

用最小 CSV 场景看三种结果

假设表头是 name,email,phone，下面三类输入会得到不同结论：

第一行的 email 有索引，也有对应值，因此 isMapped("email") 和 isSet("email") 都为 true，get("email") 得到空字符串。第二行虽然表头仍然映射了 email，但当前记录长度不足，所以 isSet("email") 为 false。若代码没有提供该表头映射，isMapped 就会先告诉你名字无效。

按安全顺序读取字段

读取外部 CSV 时，可以把判断顺序固定成“映射存在 → 当前行有位置 → 读取并解释值”。这能把配置错误、行结构错误和业务空值分开，也避免用异常控制正常的空字段分支。

import java.io.Reader;
import java.nio.file.Files;
import java.nio.file.Path;
import org.apache.commons.csv.CSVFormat;
import org.apache.commons.csv.CSVParser;
import org.apache.commons.csv.CSVRecord;

Path path = Path.of("users.csv");
CSVFormat format = CSVFormat.DEFAULT.builder()
        .setHeader()
        .setSkipHeaderRecord(true)
        .build();

try (Reader reader = Files.newBufferedReader(path);
     CSVParser parser = format.parse(reader)) {
    for (CSVRecord record : parser) {
        // 先确认输入表头包含 email，避免把格式错误误判成业务空值。
        if (!record.isMapped("email")) {
            throw new IllegalArgumentException("缺少 email 表头");
        }
        // 再确认当前行有 email 这一格；行尾缺列时这里会是 false。
        if (!record.isSet("email")) {
            System.out.println("当前记录缺少 email 列");
            continue;
        }
        String email = record.get("email");
        // 空字符串代表列存在但没有内容，是否转成 null 由业务决定。
        if (email.isEmpty()) {
            System.out.println("email 已设置但为空");
        } else {
            System.out.println("email=" + email);
        }
    }
}

这段代码没有把空字符串自动转换成 null。如果业务需要三态数据，建议把“缺列”“空字符串”“非空字符串”映射为明确的枚举或结果对象，后续入库时再决定默认值。Commons CSV 的 get(String) 还依赖表头映射；未知字段或结构不一致时直接调用，可能抛出参数或状态异常。

不规则行要先决定容错边界

isConsistent() 可以帮助识别当前记录的值数量是否与表头数量一致。它适合用作输入契约的分界线：严格导入时，不一致就记录行号并拒绝；兼容历史导出文件时，可以允许尾部缺列，再对每个可选字段使用 isSet。

for (CSVRecord record : parser) {
    // 先保留记录号，便于把格式问题定位到原始输入。
    long recordNumber = record.getRecordNumber();
    if (!record.isConsistent()) {
        // 这里选择容错；严格模式可以改成抛出异常并停止导入。
        System.out.println("第 " + recordNumber + " 行列数不完整");
    }
    // isSet 只说明当前位置是否存在，不会把空字符串变成缺失值。
    String phone = record.isSet("phone") ? record.get("phone") : null;
}

要注意，isConsistent() 是整行层面的信号，isMapped 是表头层面的信号，isSet 是字段在当前记录中的信号。把三者混用，最容易出现“缺列被当成空字符串”或“合法空值被拒绝”的问题。

常见问题

CSV 中连续两个逗号是不是缺失列？

通常不是。像 Alice,,13800000000 这样的连续逗号表示中间列存在但值为空，应该表现为 isSet 为 true、读取值为 ""。

表头有三列但数据行只有一列，能直接 get 第三列吗？

不建议。先用 isSet 或 isConsistent 判断，再按导入策略处理缺列；直接按名读取不规则记录可能触发异常。

如何区分未知表头和当前行缺列？

先看 isMapped：false 是表头没有该名字；true 后再看 isSet：false 是当前行没有对应位置。