首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >Regex删除csv文件中的错误字符,以使SplFileObject在PHP中正确工作

问Regex删除csv文件中的错误字符,以使SplFileObject在PHP中正确工作
EN

Stack Overflow用户
提问于 2017-09-11 13:03:54
回答 1查看 386关注 0票数 1

我试图通过SplFileObject解析PHP中的csv文件。可悲的是,如果文本中有错误的不可见字符,SplFileObject有时会出错。该函数检测一个引号,而不是跳过或读取它作为正常字符,同时迭代csv文件中的行。下面的截图来自Textwrangler:

​

​

我也是从Textwrangler这里复制的(看不见的字符应该在“forgé”之间。)和"Circa"):

代码语言:javascript
复制
Fer forgé.� Circa

我的代码(SplFileObject部分):

代码语言:javascript
复制
$splFile = new \SplFileObject($file);
$splFile->setFlags(\SplFileObject::DROP_NEW_LINE | \SplFileObject::SKIP_EMPTY | \SplFileObject::READ_AHEAD | \SplFileObject::READ_CSV);
$splFile->setCsvControl(",", '"', '"');

我试图通过file -I my.csv找出csv文件的字符集。输出:my.csv: application/octet-stream; charset=binary。这是一个奇怪的结果,因为该文件可以通过Textwrangler读取,因此是而不是二进制文件。我还阅读了以相同方式生成的另一个csv,输出与预期的相同:second.csv: text/plain; charset=utf-8。用于生成csv文件的工具称为可视化Web开膛手 (用于爬行网页的工具)。

我如何确定这个颠倒的问号是哪个字符(似乎不是西班牙颠倒的问号-也许只是Textwrangler插入的占位符)?如何删除csv文件中的这个字符和所有“无效”字符?是否有一个正则表达式匹配每个字符、数字、符号(标点符号和其他文本符号),而实际上是一个真正的字符,而忽略了上面示例中的一些内容?我正在寻找一个unicode安全的正则表达式(需要保存德国货币、法语、俄语、汉语、日本和韩国字符)。或者:如何使用charset=binary将csv文件转换为UTF-8?

编辑:,如果我通过nano编辑器打开它,它会显示forgé.^@ Circa。快速搜索后,它似乎是NUL字符或\u 0000(参见注释和字符中的参考)。

编辑2: --我深入研究了它:似乎$splFile->current()函数出现了问题,它在当前文件指针处读取一行。行在NUL字符之后被截断(不管我是试图通过SplFileObject::READ_CSV读取它,还是像普通字符串一样(没有SplFileObject::READ_CSV参数))。

EN

回答 1

Stack Overflow用户

发布于 2017-09-12 07:15:27

解决方案是省略SplFileObject::DROP_NEW_LINE参数。我还检查了NUL字符是否存在:它是存在的,但现在它被认为是csv中特定列的文本值的一部分,并且未检测到作为引号或列附文的。

当然,现在你必须自己过滤空行,比如:

代码语言:javascript
复制
$splFileObject = new \SplFileObject();
$splFileObject->setFlags(\SplFileObject::SKIP_EMPTY | \SplFileObject::READ_AHEAD | \SplFileObject::READ_CSV);

$columns = $splFileObject->current();
if (count($columns) === 1 && array_key_exists(0, $columns) && $columns[0] === NULL) {
   // empty csv line
}
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/46156447

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档