本文介绍如何使用 java（opencsv）遍历多个 csv 文件，检测某列是否同时包含指定数值（如 50、500、5000），并根据匹配结果将文件移动至 `processed` 或 `invalid_files` 目录，提供可复用、模块化、健壮的实现方案。
在实际数据处理任务中，常需基于内容规则对 CSV 文件进行分类或过滤。例如：若某数值列（如 score）同时出现 50、500 和 5000 这三个值，则认为该文件“含敏感模式”，应移入 invalid_files 目录；否则视为正常，归入 processed 目录。原始代码存在多个关键问题：逻辑判断位置错误（在循环内过早触发移动）、状态重置混乱、br.close() 被重复调用、未跳过表头、且条件硬编码导致扩展性差。
以下为优化后的专业实现，采用职责分离设计，确保清晰、可维护、可扩展：
✅ 核心改进点
-
条件解耦：使用 Predicate
列表定义“禁止出现的值”，支持任意数量、动态配置； - 语义明确的验证逻辑：isLineValid() 判断单行是否 符合要求（即不等于任一禁止值），isFileValid() 判断文件是否 整体有效（即所有行均满足）；
- 高效短路判断：一旦累计违规值数量达目标数（如 3 个），立即返回 false，避免冗余解析；
- 健壮路径操作：自动创建目标目录，使用 Files.move() 安全迁移，显式处理分隔符与表头；
- 资源安全：严格依赖 try-with-resources 管理 Reader，杜绝手动 close() 引发的异常。
? 示例 CSV 结构（以分号分隔）
car;score;description Opel;30;43 Volvo;500;434 Kia;50;3 Toyota;4;4 Mazda;5000;4
? 数据模型（CsvLine.java）
import com.opencsv.bean.CsvBindByPosition;
import java.math.BigDecimal;
public class CsvLine {
@CsvBindByPosition(position = 1) // 对应 score 列（索引从 0 开始，第 1 位）
private BigDecimal value;
public BigDecimal getValue() { return value; }
public void setValue(BigDecimal value) { this.value = value; }
}⚙️ 主流程与工具方法
import com.opencsv.bean.CsvToBeanBuilder;
import java.io.*;
import java.math.BigDecimal;
import java.nio.file.*;
import java.util.*;
import java.util.function.Predicate;
import java.util.stream.Collectors;
public class CsvPatternValidator {
public static void main(String[] args) throws IOException {
File directory = Path.of("/path/to/your/csv/directory").toFile();
FilenameFilter csvFilter = (dir, name) -> name.toLowerCase().endsWith(".csv");
// ✅ 定义“禁止出现”的数值列表（即：若文件中同时存在这些值，则判定为 invalid）
List> forbiddenPatterns = List.of(
ne(new BigDecimal("50")),
ne(new BigDecimal("500")),
ne(new BigDecimal("5000"))
);
processDirectory(directory, csvFilter, forbiddenPatterns);
}
public static void processDirectory(File dir, FilenameFilter filter,
List> forbidden) throws IOException {
Path processed = createDirectory(dir.toPath().resolve("processed"));
Path invalid = createDirectory(dir.toPath().resolve("invalid_files"));
File[] files = dir.listFiles(filter);
if (files == null) return;
for (File file : files) {
boolean valid = isFileValid(file, forbidden);
Path target = valid ? processed : invalid;
Files.move(file.toPath(), target.resolve(file.getName()), StandardCopyOption.REPLACE_EXISTING);
}
}
public static boolean isFileValid(File file, List> forbidden) throws IOException {
try (Reader reader = Files.newBufferedReader(file.toPath())) {
List lines = new CsvToBeanBuilder(reader)
.withType(CsvLine.class)
.withSkipLines(1) // 跳过表头行
.withSeparator(';') // 显式指定分隔符
.build()
.parse();
Set violations = new HashSet<>();
for (CsvLine line : lines) {
if (line.getValue() == null) continue;
if (!isLineValid(line, forbidden)) {
violations.add(line.getValue());
if (violations.size() == forbidden.size()) {
return false; // 找齐所有禁止值 → 文件无效
}
}
}
return true; // 未找齐 → 文件有效
}
}
public static boolean isLineValid(CsvLine line, List> conditions) {
return conditions.stream().allMatch(p -> p.test(line.getValue()));
}
// 工厂方法：生成“不等于 target”的谓词
public static > Predicate ne(T target) {
return value -> value == null || value.compareTo(target) != 0;
}
public static Path createDirectory(Path path) throws IOException {
return Files.exists(path) ? path : Files.createDirectory(path);
}
} ⚠️ 注意事项
-
依赖项：需在 pom.xml 中添加 OpenCSV（≥ 5.7.1）和 Lombok（可选，简化 getter/setter）：
com.opencsv
opencsv
5.7.1
-
编码处理：示例默认 UTF-8；若 CSV 为 UTF-16，请在 Files.newBufferedReader() 中传入 StandardCharsets.UTF_16；
-
扩展性：新增校验规则只需向 forbiddenPatterns 列表追加 ne(...) 即可，无需修改核心逻辑；
-
性能提示：对超大文件，可考虑流式解析（如 CsvParser）替代 CsvToBeanBuilder，避免全量加载内存。
该方案彻底解决了原始代码的逻辑缺陷，以函数式风格提升可读性与可测试性，是生产环境中处理 CSV 规则校验的推荐实践。
