双引号内带有逗号和字符串的 C++ CSV 行

Posted 2023-02-24

【中文标题】双引号内带有逗号和字符串的 C++ CSV 行

【英文标题】：C++ CSV line with commas and strings within double quotes

【发布时间】：2016-06-08 22:08:51

【问题描述】：

我正在读取 C++ 中的 CSV 文件，行格式如下：

"小学、中学、大学", "小学", , "中学", 18, 4, 0, 0, 0

（注意空值）

当我这样做时：

while (std::getline(ss, csvElement, ',')) 
   csvColumn.push_back(csvElement);

这会将第一个字符串分成不正确的部分。

如何在迭代时保留字符串？我尝试将上述方法结合起来，同时还抓住了由双引号分隔的行，但我得到了疯狂的结果。

【问题讨论】：

有没有人使用std::quoted 有一个好的解决方案？该标准在描述 std::quoted 时特别提到了 CSV 文件，但我想不出一种优雅的方式来使用它。

【参考方案1】：

使用std::quoted 允许您从输入流中读取带引号的字符串。

#include <iomanip>
#include <iostream>
#include <sstream>
#include <string>

int main() 
    std::stringstream ss;
    ss << "\"Primary, Secondary, Third\", \"Primary\", , \"Secondary\", 18, 4, 0, 0, 0";

    while (ss >> std::ws) 
        std::string csvElement;

        if (ss.peek() == '"') 
            ss >> std::quoted(csvElement);
            std::string discard;
            std::getline(ss, discard, ',');
        
        else 
            std::getline(ss, csvElement, ',');
        

        std::cout << csvElement << "\n";
    

Live Example

需要注意的是，只有当值的第一个非空白字符是双引号时，才会提取带引号的字符串。此外，引用字符串之后的任何字符都将被丢弃，直到下一个逗号。

【讨论】：

根据我对这个问题的评论，我觉得应该有一个很好的方法来利用std::quoted 进行 CSV 解析。如果您对此有任何改进，请告诉我。

根据en.cppreference.com/w/cpp/io/manip/quoted，cin默认跳过空格，quoted通过stream >> c提取第一个字符，所以即使逗号和开头引号之间有空格也可以。因此，您不需要偷看。

@MooingDuck 如果默认跳过空格，则始终调用std::quoted 将拆分包含空格的未引用字符串，可能在逗号分隔符之前。我不确定这是否无法解析典型的 CSV 格式？或者我误解了你的建议。

是的，你是对的，我错了。唔。奇怪的是它似乎无法解决自己的任务

@MooingDuck 我同意，感觉好像我错过了什么！我想它至少对于编写 CSV 文件很方便。

【参考方案2】：

您需要根据是否在引号之间来解释逗号。这对于getline() 来说太复杂了。

解决方案是使用getline() 读取整行，并通过逐个字符地遍历字符串来解析该行，并维护一个指示符是否在双引号之间。

这是第一个“原始”示例（字段中没有删除双引号，也没有解释转义字符）：

string line; 
while (std::getline(cin, line))         // read full line
    const char *mystart=line.c_str();    // prepare to parse the line - start is position of begin of field
    bool instringfalse;                
    for (const char* p=mystart; *p; p++)   // iterate through the string
        if (*p=='"')                        // toggle flag if we're btw double quote
            instring = !instring;     
        else if (*p==',' && !instring)     // if comma OUTSIDE double quote
            csvColumn.push_back(string(mystart,p-mystart));  // keep the field
            mystart=p+1;                    // and start parsing next one
        
    
csvColumn.push_back(string(mystart));   // last field delimited by end of line instead of comma

Online demo

【参考方案3】：

迭代时如何保留字符串？

这是我使用的 C++ 方法。

我注意到您只有 3 种字段类型：string、null 和 int。

以下方法使用这些字段类型（在方法“void init()”中），按照每行显示字段的顺序，有时使用 string::find() （而不是 getline() ）来定位字段结尾.

这 3 种方法中的每一种都使用擦除字符串中的字符。我知道擦除速度很慢，但为了方便起见，我做出了这个选择。 （擦除更容易测试，只需在每次提取后添加一个 cout ）。可以通过适当处理（在需要时）搜索开始索引来删除/替换擦除。

#include <iomanip>
#include <iostream>
#include <sstream>
#include <string>
#include <vector>

#include <cassert>


class CSV_t

   typedef std::vector<int>  IntVec_t;

   // private nested class -- holds contents of 1 csv record
   class CSVRec_t
   
   public:
      std::string primary;
      std::string secondary;
      std::string nullary;
      std::string thirdary;
      IntVec_t    i5;

      std::string show()
         
            std::stringstream ss;
            ss <<            std::setw(25) << primary
               << "     " << std::setw(10) << secondary
               << "     " << std::setw(12)<< thirdary << "     ";

            for (size_t i=0;
                 i<i5.size(); ++i) ss << std::setw(5) << i5[i];

            ss << std::endl;
            return (ss.str());
         

   ; // class CSVRec_t


   typedef std::vector<CSVRec_t> CSVRecVec_t;

   CSVRecVec_t csvRecVec;  // holds all csv record

public:

   CSV_t()  ;

   void init(std::istream& ss)
      
         do  // read all rows of file
         
            CSVRec_t csvRec;

            std::string s;
            (void)std::getline(ss, s);

            if(0 == s.size()) break;

            assert(s.size()); extractQuotedField(s, csvRec.primary);   // 1st quoted substring
            assert(s.size()); extractQuotedField(s, csvRec.secondary); // 2nd quoted substring
            assert(s.size()); confirmEmptyField(s, csvRec.nullary);    // null field
            assert(s.size()); extractQuotedField(s, csvRec.thirdary);  // 3rd quoted substring
            assert(s.size()); extract5ints(s, csvRec.i5);              // handle 5 int fields

            csvRecVec.push_back(csvRec);  // capture

            if(ss.eof()) break;

         while(1);
      

   void show()
      
         std::cout << std::endl;

         for (size_t i = 0; i < csvRecVec.size(); ++i)
            std::cout << std::setw(5) << i+1 << "   " << csvRecVec[i].show();

         std::cout << std::endl;
      

private:

   void extractQuotedField(std::string& s, std::string& s2)
      
         size_t indx1 = s.find('"', 0);
         assert(indx1 != std::string::npos);

         size_t indx2 = s.find('"', indx1+1);
         assert(indx2 != std::string::npos);

         size_t rng1 = indx2 - indx1 + 1;

         s2 = s.substr(indx1, rng1);

         s.erase(indx1, rng1+1);
      

   void confirmEmptyField(std::string& s, std::string nullary)
      
         size_t indx1 = s.find('"');

         nullary = s.substr(0, indx1);

         // tbd - confirm only spaces and comma's in this substr()

         s.erase(0, indx1); 
      

   void extract5ints(std::string& s, IntVec_t& i5)
      
         std::stringstream ss(s);

         int t = 0;
         for (int i=0; i<5; ++i)
         
            ss >> t;
            ss.ignore(1); // skip ','
            assert(!ss.bad()); // confirm ok
            i5.push_back(t);
         
         s.erase(0, std::string::npos);
      

;  // class CSV_t



int t288(void) // test 288

   std::stringstream ss;
   ss << "\"Primary, Secondary, Third\", \"Primary\", , \"Secondary\", 18, 4, 0, 0, 0\n"
      << "\"Pramiry, Secandory, Thrid\", \"Pramiry\", , \"Secandory\", 19, 5, 1, 1, 1\n"
      << "\"Pri-mary, Sec-ondary, Trd\", \"Pri-mary\", , \"Sec-ondary\", 20, 6, 2, 3, 4\n"
      << std::endl;

   CSV_t csv;

   csv.init(ss);

   csv.show(); // results

   return (0);