如何解析包含在引用字段中的逗号的 CSV？

Question

我尝试了其他答案中提到的一些修复，但它们对我的输出没有影响。我不打算使用 boost 精神，因为我不确定它是否是满足我需求的最佳选择。此外，类似的帖子不涉及包含逗号的引用材料，这是我目前要解决的最后一个问题。

这是一个 C++ 程序。我使用 CSV 文件作为输入。该文件给出了印章的特征，每个条目有 23 个值（列）。当我输出 rawdata[22] 时，我希望看到第一组数据的最后一个条目。相反，我看到最后一个条目（请愿），然后是下一个印章的第一个条目（2055）。当我在十六进制编辑器中打开它时，我看到这两个词被一个“。”隔开。并且十六进制字符是 0a。我曾尝试将 \r、\n、\r\n 设置为分隔符，但它们不起作用。我不能使用“,”作为分隔符，因为它在字符串中使用，我测试了它是否可以解决我的问题，但它没有。如何分离这些值？

输出：

Petitioned 2055

样本输入：

物种 ID、王国、门、类、顺序、科、属、物种、权威、种下等级、种下名称、种下权威、种群/亚群、同义词、通用名称 (Eng)、通用名称 (Fre)、通用名称 (Spa) ,红色名录状态,红色名录标准,红色名录标准版本,评估年份,人口趋势,请愿
2055,动物,脊索动物,哺乳动物,食肉动物,蛱蝶科,Arctocephalus,australis,"(Zimmermann, 1783)",,,,,Arctophoca australis,South American Fur Seal,Otarie Fourrure Australe,Oso Marino Austral,LC,16. , 增加, N
41664,ANIMALIA,CHORDATA,MAMMALIA,CARNIVORA,OTARIIDAE,Arctocephalus,forsteri,"(Lesson, 1828)",,,,,Arctocephalus australis subspecies forsteri|Arctophoca australis subspecies forsteri,Antipodocephalis subspecies forsteri,"新西兰毛皮海豹,"新西兰毛皮海豹Seal, Black Fur Seal, Long-nosed Fur Seal, South Australia Fur Seal",,,LC,,3.1,2015,increasing,N

我的代码：

#include <iostream>
#include <sstream>
#include <fstream>
#include <string>
#include <vector>
using namespace std;

int main() {
    string line;
    vector<string> rawdata;
    ifstream file ( "/Users/darla/Desktop/Programs/seals.csv" );
    if ( file.good() )
   {
    while(getline(file, line, '"')) {
        stringstream ss(line);
        while (getline(ss, line, ',')) {
            rawdata.push_back(line);
        }
        if (getline(file, line, '"')) {
            rawdata.push_back(line);
        }
    }
   }
    cout << rawdata[22] << endl;


    return 0;

Answer 1

这远不是一个完整的 CSV 解析器，可以提高效率，但它可以完成工作，正确解析文件并处理双引号。

#include <iostream>
#include <sstream>
#include <fstream>
#include <string>
#include <vector>
#include <algorithm>

int main()
{
    std::string line;
    std::vector<std::vector<std::string>> lines;
    std::ifstream file("/Users/darla/Desktop/Programs/seals.csv");

    if (file)
    {
        while (std::getline(file, line))
        {
            size_t n = lines.size();
            lines.resize(n + 1);

            std::istringstream ss(line);
            std::string field, push_field("");
            bool no_quotes = true;

            while (std::getline(ss, field, ',')) 
            {
                if (static_cast<size_t>(std::count(field.begin(), field.end(), '"')) % 2 != 0)
                {
                    no_quotes = !no_quotes;
                }

                push_field += field + (no_quotes ? "" : ",");

                if (no_quotes)
                {
                    lines[n].push_back(push_field);
                    push_field.clear();
                }
            }
        }
    }

    for (auto line : lines)
    {
        for (auto field : line)
        {
            std::cout << "| " << field << " |";
        }

        std::cout << std::endl << std::endl;
    }

    return 0;
}

一个解释。该程序读取文件行并尝试按字段（以逗号分隔）解析每一行，然后将结果存储在向量的向量中。如果遇到带有双引号的字段并且双引号为奇数，则意味着它是一个开放字段，因此会读入更多字段，直到找到结束字段，然后存储完整的字段。如果字段包含偶数个双引号或不包含，则立即存储。希望这可以帮助。