使用可变顺序的列来提升精神解析 CSV

Question

我正在尝试使用 boost spirit 解析一个 CSV 文件（带有标题行）。 csv 不是固定格式。有时有一些额外的列或列的顺序是混合的。我对几列感兴趣，它们的标题名称是众所周知的。

例如，我的 CSV 可能如下所示：

姓名、姓氏、年龄 约翰，能源部，32

或者：

年龄、姓名 32，约翰

我只想解析 Name 和 Age 的内容（注意，Age 是整数类型）。目前我提出了一个非常丑陋的解决方案，Spirit 解析第一行并创建一个向量，其中包含我感兴趣的位置的枚举。然后我必须手动解析终端符号...

enum LineItems {
    NAME, AGE, UNUSED
};

struct CsvLine {
    string name;
    int age;
};

using Column = std::string;
using CsvFile = std::vector<CsvLine>;

template<typename It>
struct CsvGrammar: qi::grammar<It, CsvFile(), qi::locals<std::vector<LineItems>>, qi::blank_type> {
    CsvGrammar() :
            CsvGrammar::base_type(start) {
        using namespace qi;

        static const char colsep = ',';

        start = qi::omit[header[qi::_a = qi::_1]] >> eol >> line(_a) % eol;
        header = (lit("Name")[phx::push_back(phx::ref(qi::_val), LineItems::NAME)]
                | lit("Age")[phx::push_back(phx::ref(qi::_val), LineItems::AGE)]
                | column[phx::push_back(phx::ref(qi::_val), LineItems::UNUSED)]) % colsep;
        line = (column % colsep)[phx::bind(&CsvGrammar<It>::convertFunc, this, qi::_1, qi::_r1,
                qi::_val)];
        column = quoted | *~char_(",\n");
        quoted = '"' >> *("\"\"" | ~char_("\"\n")) >> '"';
    }

    void convertFunc(std::vector<string>& columns, std::vector<LineItems>& positions, CsvLine &csvLine) {
       //terminal symbol parsing here, and assign to csvLine struct.
       ...
    }
private:
    qi::rule<It, CsvFile(), qi::locals<std::vector<LineItems>>, qi::blank_type> start;
    qi::rule<It, std::vector<LineItems>(), qi::blank_type> header;
    qi::rule<It, CsvLine(std::vector<LineItems>), qi::blank_type> line;
    qi::rule<It, Column(), qi::blank_type> column;
    qi::rule<It, std::string()> quoted;
    qi::rule<It, qi::blank_type> empty;

};

这里是full source。

如果头解析器可以准备一个vector<rule<...>*> 而“行解析器”只使用这个向量来解析自己呢？一种高级的nabialek trick（我一直在尝试，但我做不到）。

或者有没有更好的方法来用 Spirit 解析这种 CSV？ （任何帮助表示赞赏，在此先感谢您）

Answer 1

我会接受你的概念，

我认为它非常优雅（qi 当地人甚至允许重入使用它）。

为了减少规则中的繁琐（Boost Spirit: "Semantic actions are evil"?），您可以将“转换功能”移到属性转换中自定义点 .

哎呀。正如所评论的那样，这太简单了。但是，您仍然可以大大减少粗糙度。通过两个简单的调整，语法如下：

item.add("Name", NAME)("Age", AGE);
start  = omit[ header[_a=_1] ] >> eol >> line(_a) % eol;

header = (item | omit[column] >> attr(UNUSED)) % colsep;
line   = (column % colsep) [convert];

column = quoted | *~char_(",\n");
quoted = '"' >> *("\"\"" | ~char_("\"\n")) >> '"';

调整：

• 使用qi::symbols从标头映射到LineItem

• 使用直接访问上下文的原始语义操作 ([convert])（参见 boost spirit semantic action parameters）：

  struct final {
      using Ctx = typename decltype(line)::context_type;
  
      void operator()(Columns const& columns, Ctx &ctx, bool &pass) const {
          auto& csvLine   = boost::fusion::at_c<0>(ctx.attributes);
          auto& positions = boost::fusion::at_c<1>(ctx.attributes);
          int i =0;
  
          for (LineItems position : positions) {
              switch (position) {
                  case NAME: csvLine.name = columns[i];              break;
                  case AGE:  csvLine.age = atoi(columns[i].c_str()); break;
                  default:   break;
              }
              i++;
          }
  
          pass = true; // returning false fails the `line` rule
      }
  } convert;
  

可以说结果类似于使用auto convert = phx::bind(&CsvGrammar<It>::convertFunc, this, qi::_1, qi::_r1, qi::_val)，但将auto 与Proto/Phoenix/Spirit 表达式一起使用是出了名的容易出错（UB 由于悬空引用到表达式模板中的临时变量），所以我当然更喜欢方式如上。

Live On Coliru

//#define BOOST_SPIRIT_DEBUG
#define BOOST_SPIRIT_USE_PHOENIX_V3
#include <iostream>
#include <boost/fusion/include/at_c.hpp>
#include <boost/spirit/include/qi.hpp>
#include <boost/spirit/include/phoenix.hpp>
#include <string>
#include <vector>

namespace qi = boost::spirit::qi;
namespace phx = boost::phoenix;

using std::string;

enum LineItems { NAME, AGE, UNUSED };

struct CsvLine {
    string name;
    int age;
};

using Column  = std::string;
using Columns = std::vector<Column>;
using CsvFile = std::vector<CsvLine>;

template<typename It>
struct CsvGrammar: qi::grammar<It, CsvFile(), qi::locals<std::vector<LineItems>>, qi::blank_type> {
    CsvGrammar() : CsvGrammar::base_type(start) {
        using namespace qi;
        static const char colsep = ',';

        item.add("Name", NAME)("Age", AGE);
        start  = qi::omit[ header[_a=_1] ] >> eol >> line(_a) % eol;

        header = (item | omit[column] >> attr(UNUSED)) % colsep;
        line   = (column % colsep) [convert];

        column = quoted | *~char_(",\n");
        quoted = '"' >> *("\"\"" | ~char_("\"\n")) >> '"';

        BOOST_SPIRIT_DEBUG_NODES((header)(column)(quoted));
    }

private:
    qi::rule<It, std::vector<LineItems>(),                      qi::blank_type> header;
    qi::rule<It, CsvFile(), qi::locals<std::vector<LineItems>>, qi::blank_type> start;
    qi::rule<It, CsvLine(std::vector<LineItems> const&),        qi::blank_type> line;

    qi::rule<It, Column(), qi::blank_type> column;
    qi::rule<It, std::string()> quoted;
    qi::rule<It, qi::blank_type> empty;

    qi::symbols<char, LineItems> item;

    struct final {
        using Ctx = typename decltype(line)::context_type;

        void operator()(Columns const& columns, Ctx &ctx, bool &pass) const {
            auto& csvLine   = boost::fusion::at_c<0>(ctx.attributes);
            auto& positions = boost::fusion::at_c<1>(ctx.attributes);
            int i =0;

            for (LineItems position : positions) {
                switch (position) {
                    case NAME: csvLine.name = columns[i];              break;
                    case AGE:  csvLine.age = atoi(columns[i].c_str()); break;
                    default:   break;
                }
                i++;
            }

            pass = true; // returning false fails the `line` rule
        }
    } convert;
};

int main() {
    const std::string s = "Surname,Name,Age,\nJohn,Doe,32\nMark,Smith,43";

    auto f(begin(s)), l(end(s));
    CsvGrammar<std::string::const_iterator> p;

    CsvFile parsed;
    bool ok = qi::phrase_parse(f, l, p, qi::blank, parsed);

    if (ok) {
        for (CsvLine line : parsed) {
            std::cout << '[' << line.name << ']' << '[' << line.age << ']';
            std::cout << std::endl;
        }
    } else {
        std::cout << "Parse failed\n";
    }

    if (f != l)
        std::cout << "Remaining unparsed: '" << std::string(f, l) << "'\n";
}

打印

[Doe][32]
[Smith][43]