在 C# 中使用复杂的逗号分隔字符串解析

Question

我知道如何从逗号分隔的字符串中获取子字符串，但这里有一个复杂的问题：如果子字符串包含一个逗号。

如果子字符串包含逗号、换行符或双引号，则整个子字符串用双引号封装。

如果子字符串包含双引号，则双引号会被另一个双引号转义。 最坏的情况是，如果我有这样的事情：

first,"second, second","""third"" third","""fourth"", fourth"

在这种情况下，子字符串是：

• 首先
• 秒，秒
• “第三”第三
• “第四”，第四

second, second 是用双引号封装的，我不希望那些双引号出现在列表/数组中。

"third" third 用双引号封装，因为它包含双引号，并且用附加的双引号进行转义。同样，我不希望在列表/数组中使用封装双引号，也不希望双引号转义双引号，但我想要作为子字符串一部分的原始双引号。

Answer 1

一种使用TextFieldParser的方式：

using (var reader = new StringReader("first,\"second, second\",\"\"\"third\"\" third\",\"\"\"fourth\"\", fourth\""))    
using (var parser = new Microsoft.VisualBasic.FileIO.TextFieldParser(reader))
{
    parser.Delimiters = new[] { "," };
    parser.HasFieldsEnclosedInQuotes = true;

    while (!parser.EndOfData)
    {
        foreach (var field in parser.ReadFields())
            Console.WriteLine(field);
    }
}

对于

first
second, second
"third" third
"fourth", fourth

Answer 2

试试这个

           string input = "first,\"second, second\",\"\"\"third\"\" third\",\"\"\"fourth\"\", fourth\"";

            string[] output = input.Split(new string[] {"\",\""}, StringSplitOptions.RemoveEmptyEntries);

Answer 3

我建议你为这个问题构建一个小型状态机。你会有这样的状态：

• Out - 在到达第一个字段之前
• InQuoted - 您已退出并“到达；现在您已加入且该字段已被引用
• InQuotedMaybeOut - 你被 InQuoted 并且 " 到达了；现在你等待下一个字符来判断它是另一个 " 还是别的什么；如果是，则选择下一个有效状态（字符可以是空格、换行符、逗号，因此您决定下一个状态）；否则，如果“到达，您将”推到输出并退回到 InQuoted
• In - Out 之后，当出现除 , 和 " 之外的任何字符时，您将自动进入一个未引用的新字段。

这肯定会正确读取 CSV。您还可以使分隔符可配置，以便支持 TSV 或分号分隔格式。

还要记住 CSV 格式的一个非常重要的情况：引用字段可能包含新行！另一个需要注意的特殊情况：空字段（例如：,,）。

Answer 4

这不是最优雅的解决方案，但它可能会对您有所帮助。我会遍历字符并对引号进行奇偶计数。例如，如果遇到奇数个引号，则 bool 为真，偶数个引号为假。

当这个布尔值为真时遇到的任何逗号都不应被视为分隔符。如果你知道它是一个分隔符，你可以用这些信息做几件事。下面我用更易于管理的东西替换了分隔符（虽然不是很有效）：

bool odd = false;
char replacementDelimiter = "|"; // Or some very unlikely character

for(int i = 0; i < str.len; ++i)
{
   if(str[i] == '\"')
       odd = !odd;
   else if (str[i] == ',')
   {
      if(!odd)
          str[i] = replacementDelimiter;
   }
}

string[] commaSeparatedTokens = str.Split(replacementDelimiter);

此时，您应该有一个字符串数组，这些字符串以您想要的逗号分隔。从这里开始，处理引号会更简单。

希望对你有帮助。

Answer 5

迷你解析器

using System;
using System.Collections.Generic;
using System.Text;

namespace ConsoleApp
{
    class Program
    {
        private static IEnumerable<string> Parse(string input)
        {
            if (string.IsNullOrWhiteSpace(input))
            {
                // empty string => nothing to do
                yield break;
            }

            int count = input.Length;
            StringBuilder sb = new StringBuilder();
            int j;

            for (int i = 0; i < count; i++)
            {
                char c = input[i];
                if (c == ',')
                {
                    yield return sb.ToString();
                    sb.Clear();
                }
                else if (c == '"')
                {
                    // begin quoted string
                    sb.Clear();
                    for (j = i + 1; j < count; j++)
                    {
                        if (input[j] == '"')
                        {
                            // quote
                            if (j < count - 1 && input[j + 1] == '"')
                            {
                                // double quote
                                sb.Append('"');
                                j++;
                            }
                            else
                            {
                                break;
                            }
                        }
                        else
                        {
                            sb.Append(input[j]);
                        }
                    }
                    yield return sb.ToString();

                    // clear buffer and skip to next comma
                    sb.Clear();
                    for (i = j + 1; i < count && input[i] != ','; i++) ;
                }
                else
                {
                    sb.Append(c);
                }
            }
        }

        [STAThread]
        static void Main(string[] args)
        {
            foreach (string str in Parse("first,\"second, second\",\"\"\"third\"\" third\",\"\"\"fourth\"\", fourth\""))
            {
                Console.WriteLine(str);
            }

            Console.WriteLine();
            Console.WriteLine("Press any key to continue...");
            Console.ReadKey();
        }
    }
}

结果

• 首先
• 秒，秒
• “第三”第三
• “第四”，第四

Answer 6

感谢您的回答，但在我看到他们之前，我写了这个解决方案，它并不漂亮，但它对我有用。

string line = "first,\"second, second\",\"\"\"third\"\" third\",\"\"\"fourth\"\", fourth\"";
var substringArray = new List<string>();
string substring = null;
var doubleQuotesCount = 0;

for (var i = 0; i < line.Length; i++)
{
  if (line[i] == ',' && (doubleQuotesCount % 2) == 0)
  {
    substringArray.Add(substring);
    substring = null;
    doubleQuotesCount = 0;
    continue;
  }
  else
  {
    if (line[i] == '"')
      doubleQuotesCount++;

    substring += line[i];

    //If it is a last character
    if (i == line.Length - 1)
    {
      substringArray.Add(substring);
      substring = null;
      doubleQuotesCount = 0;
    }
  }
}

for(var i = 0; i < substringArray.Count; i++)
{
  if (substringArray[i] != null)
  {
    //remove first double quote
    if (substringArray[i][0] == '"')
    {
      substringArray[i] = substringArray[i].Substring(1);
    }
    //remove last double quote
    if (substringArray[i][substringArray[i].Length - 1] == '"')
    {
      substringArray[i] = substringArray[i].Remove(substringArray[i].Length - 1);
    }
    //Replace double double quotes with single double quote
    substringArray[i] = substringArray[i].Replace("\"\"", "\"");
  }
}