2

我有一个大字符串（我们称它为 CSV 文件，虽然它实际上不是一个，但现在它会更容易），我必须在 C# 代码中进行解析。
解析过程的第一步将文件拆分为单独的行，只需使用一个StreamReader对象并调用ReadLine，直到它通过文件。但是，任何给定的行都可能包含带引号的（单引号）文字和嵌入的换行符。我需要找到这些换行符并将它们临时转换为某种其他类型的标记或转义序列，直到我将文件拆分为行数组......然后我可以将它们改回来。

示例输入数据：

1,2,10,99,'Some text without a newline', true, false, 90
2,1,11,98,'This text has an embedded newline 
                and continues here', true, true, 90

我可以通过使用查找引用的部分并在其中查找换行符来编写执行此操作所需的所有 C# 代码string.IndexOf，但我认为 Regex 可能是更好的选择（即现在我有两个问题）

4

4 回答 4

3

由于这不是一个真正的 CSV 文件，它有任何类型的架构吗？

从您的示例中，您看起来像： int, int, int, int, string , bool, bool, int

这样就构成了您的记录/对象。

假设您的数据格式正确（我对您的来源知之甚少，无法知道这个假设的有效性）；你可以：

  1. 读你的台词。
  2. 使用状态机来解析您的数据。
  3. 如果您的行结束，并且您正在解析一个字符串，请阅读下一行..并继续解析。

如果可能的话，我会避免使用正则表达式。

于 2008-08-28T19:00:02.280 回答
3

使用 C# 2.0 迭代器可以轻松完成此类工作的状态机。希望这是我写的最后一个 CSV 解析器。整个文件被视为一组可枚举的可枚举字符串，即行/列。IEnumerable 很棒，因为它可以由 LINQ 运算符处理。

public class CsvParser
{
    public char FieldDelimiter { get; set; }

    public CsvParser()
        : this(',')
    {
    }

    public CsvParser(char fieldDelimiter)
    {
        FieldDelimiter = fieldDelimiter;
    }

    public IEnumerable<IEnumerable<string>> Parse(string text)
    {
        return Parse(new StringReader(text));
    }
    public IEnumerable<IEnumerable<string>> Parse(TextReader reader)
    {
        while (reader.Peek() != -1)
            yield return parseLine(reader);
    }

    IEnumerable<string> parseLine(TextReader reader)
    {
        bool insideQuotes = false;
        StringBuilder item = new StringBuilder();

        while (reader.Peek() != -1)
        {
            char ch = (char)reader.Read();
            char? nextCh = reader.Peek() > -1 ? (char)reader.Peek() : (char?)null;

            if (!insideQuotes && ch == FieldDelimiter)
            {
                yield return item.ToString();
                item.Length = 0;
            }
            else if (!insideQuotes && ch == '\r' && nextCh == '\n') //CRLF
            {
                reader.Read(); // skip LF
                break;
            }
            else if (!insideQuotes && ch == '\n') //LF for *nix-style line endings
                break;
            else if (ch == '"' && nextCh == '"') // escaped quotes ""
            {
                item.Append('"');
                reader.Read(); // skip next "
            }
            else if (ch == '"')
                insideQuotes = !insideQuotes;
            else
                item.Append(ch);
        }
        // last one
        yield return item.ToString();
    }

}

请注意，文件是逐字符读取的，代码决定何时将换行符视为行分隔符或引用字符串的一部分。

于 2008-08-28T19:20:07.630 回答
1

如果您将整个文件放入一个变量中，然后根据未引用的换行符将其拆分怎么办？

于 2008-08-28T18:51:03.113 回答
0

编辑：对不起，我误解了你的帖子。如果您正在寻找一个正则表达式，那么这里是一个：

content = Regex.Replace(content, "'([^']*)\n([^']*)'", "'\1TOKEN\2'");

可能存在边缘情况和两个问题，但我认为大多数时候应该没问题。正则表达式的作用是，它首先找到任何一对在其之间具有 \n 的单引号，然后用 TOKEN 替换该 \n 并保留其间的任何文本。

但是，我仍然会像@bryansh 下面解释的那样使用状态机。

于 2008-08-28T18:50:32.833 回答