c# - 字符串处理/CSV 挑战

Question

使用SQL Server 批量插入带有不一致引号的 CSV 文件（CsvToOtherDelimiter 选项）作为我的基础后，我发现了 RemoveCSVQuotes 部分的一些奇怪之处[它从包含逗号的引用字符串中截断了最后一个字符！]。所以..重写了那一点（也许是一个错误？）

一个问题是客户问“这样的数据怎么样？”

""17.5179C,""

我假设如果我想继续使用 CsvToOtherDelimiter 解决方案，我必须修改 RegExp ......但这超出了我的范围......最好的方法是什么？

澄清一下：在使用格式文件运行批量插入之前，我们使用 C# 将文件预处理为管道分隔的格式。速度非常重要。

Answer 1

我最终使用了我不知道我们已经拥有的 csv 解析器（作为我们代码生成工具的一部分） - 并注意到“17.5179C”无效并且会导致错误。

Answer 2

您的链接中接受的答案以：

您将需要预处理文件，期间。

为什么不将您的 csv 转换为 xml？然后，您将能够在存储到数据库之前根据 xsd 验证您的数据。

Answer 3

要将 CSV 字符串转换为元素列表，您可以编写一个程序来跟踪状态（引号内或引号外），因为它一次处理一个字符的字符串，并发出它找到的元素。CSV 中的引用规则很奇怪，因此您需要确保有足够的测试数据。

状态机可以是这样的：

1. 扫描直到引用（转到 2）或逗号（转到 3）
2. 如果下一个字符是引号，则只在字段中添加两个引号中的一个并返回1。否则，转到4（如果引号不是字段中的第一个字符，则报告错误）。
3. 发射场，转到 1
4. 扫描至报价（转至 5）
5. 如果下一个字符是引号，则仅将两个引号中的一个添加到该字段并返回 4。否则，发出该字段，扫描逗号，然后转到 1。

这应该正确扫描以下内容：

• 你好，世界，123, 456
• “你好世界”, 123, 456
• “他说”“你好，世界！””，“我打了声招呼”
• ""17.5179C,"" （正确报告错误，因为第一个引号字符串“”和第二个字段 17.5179C 之间应该有分隔符）。

另一种方法是找到一些做得很好的现有库。当然，CSV 足够普遍，这样的东西一定存在吗？

编辑：

您提到速度至关重要，所以我想指出（只要引用的字符串不允许包含行返回......）每行可以并行独立处理。