Java中BufferedReader识别CSV文件引号内换行符

在 Java 中处理 CSV 文件时，开发者常使用 BufferedReader，但有一个常见陷阱——引号内包含换行符。例如字段值为 "address\nline2",123，直接调用 readLine() 会导致错误断开，因为 BufferedReader 本身并不理解 CSV 语法，它只识别 \n 或 \r\n 这类行尾标记。

那么如何解决？核心思路是：读取后主动判断是否需要跨行合并。CSV 规范明确：双引号包裹的字段允许内部换行，且引号必须成对出现。只要抓住这一特点，就能正确处理。

判断是否需要合并下一行：看引号是否闭合

CSV 字段如果以 " 开头，就必须以 " 结尾；中间的 "" 是转义，表示一个实际的引号，不影响配对。因此核心逻辑是统计未被转义的引号个数是否为偶数：

• 每次读到一行，逐个字符扫描，遇到 ""（两个连续引号）就跳过第二个，不翻转状态
• 维护一个布尔变量 inQuotes，初始为 false
• 遇到单独的 " 且下一个字符不是 " → 翻转 inQuotes
• 读完该行后，如果 inQuotes == true，说明这行未结束，需要追加下一行

String line;
StringBuilder current = new StringBuilder();
while ((line = br.readLine()) != null) {
    current.append(line);
    if (!isQuoteClosed(current.toString())) {
        current.append("\n"); // 保留原始换行，后续解析时统一处理
        continue;
    }
    // 此时 current 是一个完整逻辑行
    parseCsvRow(current.toString());
    current.setLength(0); // 清空
}

这里的 isQuoteClosed() 就是上述状态机逻辑：遍历字符串，计数有效引号，最后判断是否偶数（即已闭合）。

不要依赖 line.endsWith("\"") 做简单判断

仅凭行尾是否为引号来判断，很容易出错：

• "abc","def\nghi"：第二字段含换行但以 " 结尾 → 合理，可以正常工作
• "abc,"def"：第一字段未闭合，但行末不是 " → 仍需继续读取
• "text with ""escaped"" quote"：结尾是 "，但前面有转义，实际已经闭合

仅靠结尾字符无法反映引号的嵌套状态，必须逐字符解析。

实际解析时，字段拆分也得用状态机，不能 split(",")

即使拼接好完整逻辑行，也不能使用 line.split(",") —— 因为像 ,"Beijing, China", 这种数据，逗号在引号内部，不是分隔符。

正确做法是：

• 再次遍历字符串
• 维护 inQuotes 状态
• 只有在 !inQuotes && char == ',' 时才进行切分
• 遇到 " 则翻转状态，遇到 "" 则跳过下一个 "

这样既能处理引号内的换行，也能正确提取每个字段的内容（包括保留内部的换行和逗号）。

补充建议：缓冲与性能优化

• BufferedReader 默认缓冲区为 8KB，处理大 CSV 文件时可以显式增大，例如 new BufferedReader(reader, 64 * 1024)，能减少系统调用次数
• 如果遇到超长字段（比如上 GB 的描述），使用 readLine() + 字符串拼接容易导致内存暴涨，可改用 char[] 缓冲 + 状态机流式解析，避免一次性加载全部数据
• 如果项目允许，优先使用成熟库（如 OpenCSV、Apache Commons CSV），它们已内置这些逻辑，并经过大量边界测试

看似不复杂，但极易被忽略。