如何避免 csv / XML 中的错误分隔符答案

【问题标题】：How to avoid false separators in csv / XML如何避免 csv / XML 中的错误分隔符
【发布时间】：2016-05-05 13:08:51
【问题描述】：

我一直在尝试了解 XML 和 CSV 解析的工作原理，但实际上还没有编写任何代码。我可能需要在正在进行的项目中解析一个 .csv 文件，我想做好准备。（我必须将它们转换为 .ofx 文件）

我也知道那里可能有一千个 XLM 和 csv 解析器，所以我比我担心的还要好奇。我打算使用我相信微软提供的XMLReader。

假设我有以下 .csv 文件

2016 年 2 月 2 日；我的名字；我的姓 ;某地； 321654;评论；废话

有时会缺少一个字段。这意味着，就示例而言，姓氏不是强制性的，并且某些字段可以紧跟在名字之后。

我的问题是：

如何避免 somefield 和 lastname 之间的混淆？

我可以计算字段的总数，但在我的情况下，两个是可选的，如果只缺少一个，我无法确定是哪一个。

如何避免错误的“标签”？我的意思是，如果用户的第一条评论包含;，我怎么能确定这是他评论的一部分，而不是以下标签的开头？

同样，我可以计算剩余字段并找出我在哪里，但这不包括可选字段问题。

我的问题也适用于 XML，如果用户开始以他的形式编写 XML，我该怎么办？无论我决定将表单导出为 .csv 还是 .xml，都会有问题。

现在我假设 c# Xml 阅读器/解析器足以应付它；如果是的话，我真的很好奇怎么做。

【问题讨论】：

缺少的字段应该仍然有没有数据的分号。 CSV 通常考虑用逗号分隔。您有一个带有分号分隔符的文件。

标签： c# xml parsing csv

【解决方案1】：

假设 CSV/XML 数据已正确导出，这些都不是问题。缺少的字段将由重复的分隔符处理：

02/02/2016;myfirstname;;somefield

字段中的分号通常通过引用来处理：

2016 年 2 月 2 日；“我的名字；姓名”；

引号在字符串中被转义：

2016 年 2 月 2 日；“我的”“名字”；

对于 XML，问题就更小了，因为标签或属性都有名称。

如果您的 CSV 数据格式不正确，那么您的问题就更大了，因为可能无法区分缺失的字段和未加引号的分隔符。

【讨论】：

我明白，这解决了一切，我得到的 .csv 实际上并不是这样形成的。但即使这是一个“大问题”，也很容易解决。谢谢伙计，但现在我意识到我的问题有点毫无意义，因为我是在错误的假设下问的（我的文件很好）
为了完整起见，您可能需要添加：分隔符不应被空格包围（某些解析器可能会遇到问题）。引用字段中的引号必须用另一个引号转义 - 例如：27";monitor 将变为 "27"";monitor"。

【解决方案2】：

如何避免错误的“标签”？如果（可以）包含分隔符，则应引用字符串值。如果您创建 CSV 文件，请引用和取消引用所有字符串值。
如何避免 somefield 和 lastname 之间的混淆？对此没有通用的解决方案，所有情况都必须一一处理。通用算法可以决定是否缺少名字或姓氏？不。如果您知道可以省略哪些字段，则可以编写“智能”处理。

使用 XML，所有问题都会迎刃而解。

【讨论】：

【解决方案3】：

先

如何避免 somefield 和 lastname 之间的混淆？

如果不改变文件的逻辑，就没有办法做到这一点。例如：当“mylastname”为空时，你可能有一个“”值、空字符串或类似的;;

如何避免错误的“标签”？我的意思是，如果用户的第一条评论包含一个;，我怎么能确定它是他评论的一部分，而不是下面标签的开头？

很简单，你必须像这样归档：

; - 列分隔符

"" - 列的分隔符

价值;价值;“价值;;;;价值”;价值

仅将其拆分为 separtor ；如果没有“”中的分隔符，这段代码会被测试和编译

public static string[] SplitWithDelimeter(this string line, char separator, char checkSeparator, bool eraseCheckSeparator)
        {
            var separatorsIndexes = new List<int>();

            var open = false;

            for (var i = 0; i < line.Length; i++)
            {
                if (line[i] == checkSeparator)
                {
                    open = !open;
                }

                if (!open && line[i] == separator )
                {
                    separatorsIndexes.Add(i);
                }
            }

            separatorsIndexes.Add(line.Length);

            var result = new string[separatorsIndexes.Count];

            var first = 0;

            for (var j = 0; j < separatorsIndexes.Count; j++)
            {
                var tempLine = line.Substring(first, separatorsIndexes[j] - first);

                result[j] = eraseCheckSeparator ? tempLine.Replace(checkSeparator, ' ').Trim() : tempLine;

                first = separatorsIndexes[j] + 1;
            }

            return result;
        }

返回是：

价值

“价值;;;;价值”

价值

【讨论】：