解析CSV:边缘案例

Question

免责声明:我实际上并不是解析一个CSV，而是一个类似CSV的格式；我对使用预先构建的库并不感兴趣。

解析以下2行的正确方法是什么？：

a,b"c"d,e
a,"bc"d,e

也就是说，(a)在一个值的中间有引号，(b)在开始时有一个引号，但在下一个值之前没有结束报价。

我不知道该如何处理这些案件(这将是最直观的)。

我的想法是：(a)应该被解析为a，b"c"d，e (引号留在)，(b)应该用同样的方式解析，a，"bc"d，e。但是让我介绍第三种情况，a,"b,c"d,e --我们在第二个逗号上用"b“和"c”分隔吗？

Answer 1

如果您想要与Excel保持一致，下面是解析它的方法：

投入：

a,b"c"d,e
a,"bc"d,e
a,"b,c"d,e

解析(以JSON表示)：

[
  ["a", "b\"c\"d", "e"],
  ["a", "bcd", "e"],
  ["a","b,cd", "e"]
]

解析逻辑是：

如果行的第一个字符(或逗号后面的第一个字符)是dbl-引号，那么：

• 将它后面的所有内容作为“引号”处理，直到您到达结尾引号为止(当然，将一行中的两个引号视为转义的dbl-引号)。在到达“结束引号”后，从单元格值
• 中移除开头和结尾引号，将单元格值中的结束引号后面的任何内容作为文字值包括在内，直到逗号或换行符为

为止

否则，请将逗号后的所有内容作为文字值处理，直到到达逗号或换行符时为止。

请注意，这意味着如果在单元格分隔逗号之后有一个空格，后面跟着dbl-引号，则得到的结果与逗号后面没有空格(后面跟着dbl-引号)的结果不同。

Answer 2

下面是我的方法(C#)中将csv吐到html表的一部分--它具有这样的逗号解析：

string[] cells = line.Split(','); // empty cells needed as well
bool noComma = true;

for (int i = 0; i < cells.Length; i++)
{
    string cellI = cells[i];
    int numberOfDoubleQuote = cellI.Count(f => f == '"');
    // == 0 means comma in between quotes
    if (numberOfDoubleQuote == 1)
    {
        noComma = !noComma;
        if (!noComma)
            sLine += "<td>" + cellI;
        else
            sLine += "," + cellI + "</td>";
    }
    else
    {
        if (noComma)
            sLine += "<td>" + cellI + "</td>";
        else
            sLine += "," + cellI;
    }
}