C++使用逗号分隔CSV引号

Question

我正在构建C++ CSV数据解析器。我试图访问文件的第一列和第十五列，并使用getline命令将它们读入两个数组中。例如：

for(int j=0;j<i;j++) 
{ 
    getline(posts2,postIDs[j],','); 
    for(int k=0;k<14;k++) 
    { 
     getline(posts2,tossout,','); 
    } 
    getline(posts2,answerIDs[j],','); 
    getline(posts2,tossout,'\r'); 

但是，在两者之间的第一和第十五列是一列，它是在引号和包含各种逗号和松散引号。例如： “ABC，defghijk ”

...，Lmnopqrs， “TUV”，“ WXYZ”，... <

什么将最好的方式，以避免此列中？由于里面有引号和逗号，我无法对它进行细化。运行后，我应该阅读引用的垃圾字符，直到我发现“，依次？

此外，我已经看到其他解决方案，但它们都是Windows/Visual Studio中，我运行的Mac OSX版本。10.8.3和Xcode 3.2.3。

提前感谢！ 德鲁

Answer 1

没有为CSV格式没有正式的标准，但我们注意到，在一开始就 您引用的丑列：

"abc, defghijk. "Lmnopqrs, "tuv,"" wxyz.", 

不符合什么被认为是CSV的Basic Rules， 因为其中的两个是： -

• 1）中的字段嵌入的逗号必须加引号。

• 2）每个嵌入的双引号字符都必须用一对双引号字符表示。

如果问题列服从规则1），那么它不遵守规则2）。但我们可以解释它，以遵守规则1） - 所以我们可以说它在哪里结束 - 如果我们平衡双引号，例如

[abc, defghijk. [Lmnopqrs, ]tuv,[] wxyz.], 

平衡的最外层引号包围列。平衡内部报价 可以只是缺乏任何其他内部指示，除了平衡 使它们内部。

我们希望能有规则，它将分析这个文本作为一列， 始终与规则1），并且还将解析 做遵守规则2）也列。刚刚展示的平衡表明此 可以完成，因为遵守两个规则的列必须是可平衡的。

建议的规则是：

• A柱延伸到由0双引号之前或 由最后的偶数双引号的后面的第一个逗号。

如果有任何偶数双引号到逗号，那么我们就知道 我们可以平衡封闭的报价，并且在至少一种方式平衡休息。

你正在考虑的比较简单的规则：

运行到报价后，我应该读引述垃圾字符一个字符，直到我发现”，依次

会？如果它与某些列是做服从规则2），如

“超级‘’豪华”“卡车”遇到失败，

更简单的规则将在""luxurious""后终止列。但由于 此栏符合规则2），相邻的双引号是“转义”双引号，没有定界的意义。另一方面，建议的 规则仍然正确解析列，在truck"后终止它。

这里是一个演示程序，其中功能get_csv_column通过建议的规则解析列 ：

#include <iostream> 
#include <fstream> 
#include <cstdlib> 

using namespace std; 

/* 
    Assume `in` is positioned at start of column. 
    Accumulates chars from `in` as long as `in` is good 
    until either:- 
     - Have consumed a comma preceded by 0 quotes,or 
     - Have consumed a comma immediately preceded by 
     the last of an even number of quotes. 
*/ 
std::string get_csv_column(ifstream & in) 
{ 
    std::string col; 
    unsigned quotes = 0; 
    char prev = 0; 
    bool finis = false; 
    for (int ch; !finis && (ch = in.get()) != EOF;) { 
     switch(ch) { 
     case '"': 
      ++quotes; 
      break; 
     case ',': 
      if (quotes == 0 || (prev == '"' && (quotes & 1) == 0)) { 
       finis = true; 
      } 
      break; 
     default:; 
     } 
     col += prev = ch; 
    } 
    return col; 
} 

int main() 
{ 
    ifstream in("csv.txt"); 
    if (!in) { 
     cout << "Open error :(" << endl; 
     exit(EXIT_FAILURE); 
    } 
    for (std::string col; in;) { 
     col = get_csv_column(in), 
     cout << "<[" << col << "]>" << std::endl; 
    } 
    if (!in && !in.eof()) { 
     cout << "Read error :(" << endl; 
     exit(EXIT_FAILURE); 
    } 
    exit(EXIT_SUCCESS); 
} 

它包围每一列中<[...]>，不贴现换行符和 包括终端“”与每个列：

文件csv.txt是：

...,"abc, defghijk. "Lmnopqrs, "tuv,"" wxyz.",..., 
",","", 
Year,Make,Model,Description,Price, 
1997,Ford,E350,"Super, ""luxurious"", truck", 
1997,Ford,E350,"Super, ""luxurious"" truck", 
1997,Ford,E350,"ac, abs, moon",3000.00, 
1999,Chevy,"Venture ""Extended Edition""","",4900.00, 
1999,Chevy,"Venture ""Extended Edition, Very Large""",,5000.00, 
1996,Jeep,Grand Cherokee,"MUST SELL! 
air, moon roof, loaded",4799.00, 

输出是：

<[...,]> 
<["abc, defghijk. "Lmnopqrs, "tuv,"" wxyz.",]> 
<[...,]> 
<[ 
",",]> 
<["",]> 
<[ 
Year,]> 
<[Make,]> 
<[Model,]> 
<[Description,]> 
<[Price,]> 
<[ 
1997,]> 
<[Ford,]> 
<[E350,]> 
<["Super, ""luxurious"", truck",]> 
<[ 
1997,]> 
<[Ford,]> 
<[E350,]> 
<["Super, ""luxurious"" truck",]> 
<[ 
1997,]> 
<[Ford,]> 
<[E350,]> 
<["ac, abs, moon",]> 
<[3000.00,]> 
<[ 
1999,]> 
<[Chevy,]> 
<["Venture ""Extended Edition""",]> 
<["",]> 
<[4900.00,]> 
<[ 
1999,]> 
<[Chevy,]> 
<["Venture ""Extended Edition, Very Large""",]> 
<[,]> 
<[5000.00,]> 
<[ 
1996,]> 
<[Jeep,]> 
<[Grand Cherokee,]> 
<["MUST SELL! 
air, moon roof, loaded",]> 
<[4799.00]>