Ответ 1

Если бы мой язык выбора не предлагал способ сделать это, не задумываясь, я бы сначала рассмотрел два варианта в качестве простого выхода:

• Предварительно проанализируйте и замените запятые внутри строки другим символом управления, а затем разделите их, а затем постобразуйте в массиве, чтобы заменить управляющий символ, используемый ранее запятыми.

• Альтернативно разделять их на запятые, а затем анализировать полученный массив на другой массив, проверяя ведущие кавычки на каждой записи массива и конкатенацию записей до тех пор, пока я не достигнет завершающей цитаты.

Однако это хаки, и если это чистое "умственное" упражнение, то я подозреваю, что они окажутся бесполезными. Если это проблема реального мира, то это поможет узнать язык, чтобы мы могли предложить некоторые конкретные советы.

Ответ 2

Похоже, у вас есть хорошие ответы здесь.

Для тех из вас, кто хочет обработать ваш собственный синтаксический анализ файлов CSV, прислушайтесь к советам экспертов и Не сворачивайте собственный анализатор CSV.

Ваша первая мысль: "Мне нужно обрабатывать запятые внутри кавычек".

Ваша следующая мысль будет: "О, дерьмо, мне нужно обрабатывать кавычки внутри цитат. Сбежавшие цитаты. Двойные кавычки. Одиночные кавычки..."

Это дорога к безумию. Не пишите свои собственные. Найдите библиотеку с обширным охватом unit test, который поражает все тяжелые части и прошел через ад для вас. Для .NET используйте бесплатную библиотеку FileHelpers.

Ответ 3

Python:

import csv
reader = csv.reader(open("some.csv"))
for row in reader:
    print row

Ответ 4

Конечно, использование парсера CSV лучше, но просто для удовольствия вы могли:

Loop on the string letter by letter.
    If current_letter == quote : 
        toggle inside_quote variable.
    Else if (current_letter ==comma and not inside_quote) : 
        push current_word into array and clear current_word.
    Else 
        append the current_letter to current_word
When the loop is done push the current_word into array 

Ответ 5

Автор здесь упал в блоке кода С#, который обрабатывает сценарий, с которым у вас возникла проблема:

Импорт файлов CSV в .Net

Не следует переводить слишком сложно.

Ответ 6

Что делать, если появляется нечетное число кавычек в исходной строке?

Это выглядит странно, как разбор CSV, который имеет некоторые особенности для обработки цитируемых полей. Поле только экранируется, если поле делится на двойные кавычки, поэтому:

field1, "field2, field3", field4, "field5, field6" field7

становится

поле1

поле2, поле3

Field4

"Field5

поле6" поле7

Обратите внимание, если он не начинается и не заканчивается цитатой, то это не кавычки, а двойные кавычки просто рассматриваются как двойные кавычки.

В самом деле, мой код, с которым связан кто-то, на самом деле не справляется с этим правильно, если я правильно помню.

Ответ 7

Здесь простая реализация python на основе псевдокода Pat:

def splitIgnoringSingleQuote(string, split_char, remove_quotes=False):
    string_split = []
    current_word = ""
    inside_quote = False
    for letter in string:
      if letter == "'":
        if not remove_quotes:
           current_word += letter
        if inside_quote:
          inside_quote = False
        else:
          inside_quote = True
      elif letter == split_char and not inside_quote:
        string_split.append(current_word)
        current_word = ""
      else:
        current_word += letter
    string_split.append(current_word)
    return string_split

Ответ 8

Я использую это для синтаксического анализа строк, не уверен, помогает ли это здесь; но с некоторыми незначительными изменениями, возможно?

function getstringbetween($string, $start, $end){
    $string = " ".$string;
    $ini = strpos($string,$start);
    if ($ini == 0) return "";
    $ini += strlen($start);   
    $len = strpos($string,$end,$ini) - $ini;
    return substr($string,$ini,$len);
}

$fullstring = "this is my [tag]dog[/tag]";
$parsed = getstringbetween($fullstring, "[tag]", "[/tag]");

echo $parsed; // (result = dog) 

/тр

Ответ 9

Здесь простой алгоритм:

• Определите, начинается ли строка с символа '"'
• Разделите строку на массив, ограниченный символом '"'.
• Отметьте цитируемые запятые с помощью заполнителя #COMMA#
  • Если ввод начинается с '"', отметьте те элементы в массиве, где индекс% 2 == 0
  • В противном случае отметьте те элементы в массиве, где индекс% 2 == 1
• Объединить элементы в массиве, чтобы сформировать измененную строку ввода.
• Разделите строку на массив, ограниченный символом ','.
• Замените все экземпляры в массиве #COMMA# заполнителей символом ','.
• Массив - это ваш выход.

Вот реализация python:
(фиксированный для обработки "a, b", c, "d, e, f, h", "i, j, k" ')

def parse_input(input):

    quote_mod = int(not input.startswith('"'))

    input = input.split('"')
    for item in input:
        if item == '':
            input.remove(item)
    for i in range(len(input)):
        if i % 2 == quoted_mod:
            input[i] = input[i].replace(",", "#COMMA#")

    input = "".join(input).split(",")
    for item in input:
        if item == '':
            input.remove(item)
    for i in range(len(input)):
        input[i] = input[i].replace("#COMMA#", ",")
    return input

# parse_input('a,"string, with",various,"values, and some",quoted')
#  -> ['a,string', ' with,various,values', ' and some,quoted']
# parse_input('"a,b",c,"d,e,f,h","i,j,k"')
#  -> ['a,b', 'c', 'd,e,f,h', 'i,j,k']

Ответ 10

Это стандартный синтаксический анализ в формате CSV. Многие люди пытаются сделать это с помощью регулярных выражений. Вы можете получить около 90% с регулярными выражениями, но вам действительно нужен настоящий синтаксический анализатор CSV, чтобы сделать это правильно. Несколько месяцев назад я нашел быстрый, отличный С# CSV парсер на CodeProject, который я очень рекомендую!

Ответ 11

Здесь один в псевдокоде (a.k.a. Python) за один проход: -P

def parsecsv(instr):
    i = 0
    j = 0

    outstrs = []

    # i is fixed until a match occurs, then it advances
    # up to j. j inches forward each time through:

    while i < len(instr):

        if j < len(instr) and instr[j] == '"':
            # skip the opening quote...
            j += 1
            # then iterate until we find a closing quote.
            while instr[j] != '"':
                j += 1
                if j == len(instr):
                    raise Exception("Unmatched double quote at end of input.")

        if j == len(instr) or instr[j] == ',':
            s = instr[i:j]  # get the substring we've found
            s = s.strip()    # remove extra whitespace

            # remove surrounding quotes if they're there
            if len(s) > 2 and s[0] == '"' and s[-1] == '"':
                s = s[1:-1]

            # add it to the result
            outstrs.append(s)

            # skip over the comma, move i up (to where
            # j will be at the end of the iteration)
            i = j+1

        j = j+1

    return outstrs

def testcase(instr, expected):
    outstr = parsecsv(instr)
    print outstr
    assert expected == outstr

# Doesn't handle things like '1, 2, "a, b, c" d, 2' or
# escaped quotes, but those can be added pretty easily.

testcase('a, b, "1, 2, 3", c', ['a', 'b', '1, 2, 3', 'c'])
testcase('a,b,"1, 2, 3" , c', ['a', 'b', '1, 2, 3', 'c'])

# odd number of quotes gives a "unmatched quote" exception
#testcase('a,b,"1, 2, 3" , "c', ['a', 'b', '1, 2, 3', 'c'])

Ответ 12

Я просто не мог удержаться, чтобы увидеть, могу ли я заставить его работать в однострочном Python:

arr = [i.replace("|", ",") for i in re.sub('"([^"]*)\,([^"]*)"',"\g<1>|\g<2>", str_to_test).split(",")]

Возвращает ['a', 'string, with', 'different', 'values, and some', 'quoted']

Он работает, сначала заменяя ',' внутри кавычек на другой разделитель (|), разбивая строку на ',' и заменяя | разделитель снова.