Discussion :

[titienne]

Bonjour,
j'ai un fichier de sortie type csv avec des colonnes (N�, Sexe, DatedeNaissance,Prenom, Nom) et je cherche � ajouter une colonne doublons � ce fichier de sortie mais je ne sais pas quelle classe utiliser.

Merci si vous avez des pistes....ou des exemples de code

[joel.drigo]

Salut,

Il y a trois probl�matiques :

1. lire, manipuler et �crire du csv
   
   1. tu peux utiliser une biblioth�que d�di�e comme Apache Commons CSV, avec trois
      classes principales, CSVParser pour lire, CSVRecord pour manipuler chaque lignes, CSVPrinter pour �crire des lignes.
   2. Un CSV �tant un fichier texte de lignes de valeurs s�par�es par des virgules, on peut
      
      1. le lire et l'�crire avec java.nio2.Files
         
         • on peut lire toutes les lignes pour les mettre dans une liste par exemple (m�thode readAllLines())
         • si le fichier est tr�s grand et qu'il faut �viter de le charger entier en m�moire, on peut le lire ligne � ligne pour traiter les lignes s�par�ment et les r��crire s�par�ment, avec la classe java.io.BufferedWriter ou la classe java.io.PrintWriter.
           Mais comme on ne peut d�terminer si une ligne est un doublon sans lire toutes les autres lignes, on sera oblig� de lire plusieurs fois le fichier : un premi�re fois pour d�terminer les doublons, on seconde fois pour �crire les lignes avec la colonne suppl�mentaire. Avec un grand nombre de doublons, on risque de charger quand m�me beaucoup de lignes. On peut aussi lire autant de fois que de lignes, mais �a peut prendre beaucoup de temps.
      2. le lire et l'�crire avec java.io.BufferedReader et java.io.BufferedWriter ou la classe java.io.PrintWriter
2. d�tecter les doublons
   
   1. on peut simplement comparer les lignes, des String, directement avec un equals()
   2. s'il faut comparer valeurs � valeurs, �ventuellement avec des traitements (comme ignore les espaces, la casse, etc), la bibilitoh�que donnera un acc�s direct aux valeurs de chaque colonne. Sans la blioth�que on peut diviser une String avec la m�thode split(), ou utiliser Pattern pour faire des comparaison par expressions r�guli�res
   
   Ensuite pour d�terminer si une ligne est un doublon, on peut utiliser un Set. Si une ligne est d�j� dans le Set, alors elle est un doublon, sinon on l'�crit dans le Set.
   
   
3. ajouter une colonne pour y caract�riser la ligne comme doublon
   
   1. le traitement via la biblioth�que Apache Commons oblige � transformer le CSVRecord en List par exemple puis � ajouter une valeur � la Liste et � �crire cette liste (CSVPrinter).
   2. le traitement sans la biblioth�que, on peut simplement ajouter apr�s avoir �crit la ligne mais avant d'�crire le s�parateur de ligne, les caract�res n�cessaires (une virgule, puis la valeur caract�risant la ligne comme doublon
      
      1. on peut caract�riser la ligne avec un simple bool�en, ou une valeur, par exemple "doublon"
      2. on peut vouloir conna�tre la liste des lignes qui sont la m�me que cette ligne, donc une liste de num�ro de lignes
         
         1. donc soit simplement un compteur (int), qu'on associe � chaque ligne, et qu'on stocke dans une List
         2. si on charge toutes les lignes, on peut utiliser via Stream, un Collector de type grouping pour obtenir directement une Map<classe qui repr�sente les valeurs, classe qui donne la liste des num�ros), qui donne les doublons naturellement, sous forme de LinkedHashMap, pour conserver l'ordre.
            |*]s'il existe une colonne d'identifiant (tu parles de N�, donc c'est � priori le cas), il peut servir � la place du num�ro. Il faudra juste ne pas en tenir compte lors des comparaisons �videmment (soit on ignorant la colonne si on a diviser la ligne en colonnes, soit en tenant compte dans l'expression r�guli�re, ou par les m�thodes de String (indexOf, substring, etc).
         
         
      
      
   
   

Enfin tu parles de fichier de sortie : qu'est-ce qui produit ce fichier ? Le traitement de doublons est peut �tre souhaitable avant de le produire. Mais �a, �a d�pend compl�tement de la fa�on utilis�e pour g�n�rer ces informations.