Question

我正在构建一个C ++ CSV数据解析器。我正在尝试访问文件的第一列和第十五列，并使用getline命令将它们读入两个数组。例如：

for(int j=0;j<i;j++)
{
    getline(posts2,postIDs[j],',');
    for(int k=0;k<14;k++)
    {
        getline(posts2,tossout,',');
    }
    getline(posts2,answerIDs[j],',');
    getline(posts2,tossout,'\r');

但是，第一列和第十五列之间是一个引号括起来的列，包含各种逗号和宽松的引号。例如：

...，“abc，defghijk。”Lmnopqrs，“tuv”，“wxyz。”，...＆lt;

避免使用此列的最佳方法是什么？我无法对它进行深入研究，因为它内部有引号和逗号。在报到之后，我应该逐个阅读引用的垃圾字符，直到我按顺序找到“，？

另外，我见过其他解决方案，但所有解决方案都是Windows / Visual Studio独有的。我正在运行Mac OSX ver。 10.8.3 with Xcode 3.2.3。

提前致谢！德鲁

Answer 1

CSV格式没有正式标准，但我们从一开始就注意到你引用的那个丑陋的专栏：

"abc, defghijk. "Lmnopqrs, "tuv,"" wxyz.",

不符合被视为CSV的Basic Rules，因为其中两个是： -

1）必须引用包含逗号的字段。
2）每个嵌入的双引号字符必须用一对双引号字符表示。

如果问题列遵守规则1），则它不遵守规则2）。但我们可以解释它遵守规则1） - 所以我们可以说它结束的地方 - 如果我们平衡双引号，例如。

[abc, defghijk. [Lmnopqrs, ]tuv,[] wxyz.],

平衡的最外层引号将列括起来。平衡的内部报价可能只是缺乏任何其他内部的迹象，除了平衡使它们成为内部的。

我们想要一个将此文本解析为一列的规则，与规则1）一致，并且还将解析列做也遵守规则2）。刚展出的平衡表明了这一点可以完成，因为遵守这两个规则的列必然是也是平衡的。

建议的规则是：

列运行到第一个逗号，前面带有0个双引号或前面是偶数个双引号的最后一个。

如果逗号之前有双引号，那么我们就知道了我们可以平衡封闭的报价，并至少以一种方式平衡其余的报价。

您正在考虑的更简单的规则：

在报到之后，我应该逐字逐句地阅读引用的垃圾，直到找到“，依次？”

如果符合做遵守规则2）的某些列，则会失败，例如

“超级”，“豪华”，“卡车”，

更简单的规则将在""luxurious""之后终止列。但是由于此列符合规则2），相邻的双引号被“转义”双倍引号，没有划界意义。另一方面建议规则仍然正确地解析列，在truck"之后终止它。

这是一个演示程序，其中函数get_csv_column解析列根据建议的规则：

#include <iostream>
#include <fstream>
#include <cstdlib>  

using namespace std;

/*
    Assume `in` is positioned at start of column.
    Accumulates chars from `in` as long as `in` is good
    until either:-
        - Have consumed a comma preceded by 0 quotes,or
        - Have consumed a comma immediately preceded by
        the last of an even number of quotes.
*/
std::string get_csv_column(ifstream & in)
{
    std::string col;
    unsigned quotes = 0;
    char prev = 0;
    bool finis = false;
    for (int ch; !finis && (ch = in.get()) != EOF; ) {
        switch(ch) {
        case '"':
            ++quotes;
            break;
        case ',':
            if (quotes == 0 || (prev == '"' && (quotes & 1) == 0)) {
                finis = true;
            }
            break;
        default:;
        }
        col += prev = ch;
    }
    return col;
}

int main()
{
    ifstream in("csv.txt");
    if (!in) {
        cout << "Open error :(" << endl;
        exit(EXIT_FAILURE);
    }
    for (std::string col; in; ) {
        col = get_csv_column(in),
        cout << "<[" << col << "]>" << std::endl;
    }
    if (!in && !in.eof()) {
        cout << "Read error :(" << endl;
        exit(EXIT_FAILURE);
    }
    exit(EXIT_SUCCESS);
}

它包含<[...]>中的每一列，而不是折扣换行符，以及包括每列的终端'，'：

文件csv.txt是：

...,"abc, defghijk. "Lmnopqrs, "tuv,"" wxyz.",...,
",","",
Year,Make,Model,Description,Price,
1997,Ford,E350,"Super, ""luxurious"", truck",
1997,Ford,E350,"Super, ""luxurious"" truck",
1997,Ford,E350,"ac, abs, moon",3000.00,
1999,Chevy,"Venture ""Extended Edition""","",4900.00,
1999,Chevy,"Venture ""Extended Edition, Very Large""",,5000.00,
1996,Jeep,Grand Cherokee,"MUST SELL!
air, moon roof, loaded",4799.00,

输出结果为：

<[...,]>
<["abc, defghijk. "Lmnopqrs, "tuv,"" wxyz.",]>
<[...,]>
<[
",",]>
<["",]>
<[
Year,]>
<[Make,]>
<[Model,]>
<[Description,]>
<[Price,]>
<[
1997,]>
<[Ford,]>
<[E350,]>
<["Super, ""luxurious"", truck",]>
<[
1997,]>
<[Ford,]>
<[E350,]>
<["Super, ""luxurious"" truck",]>
<[
1997,]>
<[Ford,]>
<[E350,]>
<["ac, abs, moon",]>
<[3000.00,]>
<[
1999,]>
<[Chevy,]>
<["Venture ""Extended Edition""",]>
<["",]>
<[4900.00,]>
<[
1999,]>
<[Chevy,]>
<["Venture ""Extended Edition, Very Large""",]>
<[,]>
<[5000.00,]>
<[
1996,]>
<[Jeep,]>
<[Grand Cherokee,]>
<["MUST SELL!
air, moon roof, loaded",]>
<[4799.00]>

C ++ CSV解析引号内的逗号

1 个答案: