使用 Node/Express 解析 CSV 文件会吐出奇怪的 \x001 代码

Posted 2023-02-24

【中文标题】使用 Node/Express 解析 CSV 文件会吐出奇怪的 \\x001 代码

【英文标题】：Parsing of CSV file using Node/Express spits out weird \x001 codes使用 Node/Express 解析 CSV 文件会吐出奇怪的 \x001 代码

【发布时间】：2021-07-15 15:17:13

【问题描述】：

我正在使用 Node 和 Express 从我要解析的 URL 中获取 .CSV 文件。下载过程正常。

但是当我使用csv-parser 解析文件时，控制台中的输出如下所示：

只有成吨的看起来很奇怪的字节码？如果我使用 excel 或数字定期打开 CSV 文件，它工作正常。

这是 csv 文件中的数据的样子：

我的目标是使用 csv 解析器将每一行转换为一个对象 - 我见过很多解析器这样做的例子。

这是来自节点的代码：

const broadcasterController = require('./broadcasterController');
const https = require('https');
const fs = require('fs');
const parser = require('csv-parser');

exports.queryFi = async (io) => 
    // let today = new Date().toISOString().slice(0, 10);
    // let today = '2021-03-20';

    fetchInsidersCSV = async () => 
        //  Download a file and extract the destination
        function downloadFromUrl(url, dest) 
            return new Promise((resolve, reject) => 
                var file = fs.createWriteStream(dest);
                https.get(url, function (response) 
                    response.pipe(file);
                    file.on('finish', function () 
                        file.close();
                        resolve(dest);
                    );
                ).on('error', function (err) 
                    // Handle errors
                    fs.unlinkSync(dest);
                    reject(new Error('Download failed.'));
                );
            );
        
        await downloadFromUrl(
            `https://marknadssok.fi.se/Publiceringsklient/sv-SE/Search/Search?SearchFunctionType=Insyn&Utgivare=&PersonILedandeSt%C3%A4llningNamn=&Transaktionsdatum.From=&Transaktionsdatum.To=&Publiceringsdatum.From=2021-04-01&Publiceringsdatum.To=2021-04-01&button=export&Page=1`,
            'bar.csv'
        );
    ;

    try 
        const results = [];
        // crawl the web page and start att page 1
        await fetchInsidersCSV();

        fs.createReadStream('bar.csv')
            .pipe(parser( separator: ';' ))
            .on('data', (data) => results.push(data))
            .on('end', () => 
                console.log(results);
            );

     catch (error) 
        console.log(error);
    
;

谁能帮我提供一个输出正确的代码解决方案？

【参考方案1】：

在我看来，数据采用utf-16 编码。所以如果我们在 fs.createReadStream() 中指定这个，我们应该得到正确的结果：

fs.createReadStream('bar.csv',  encoding: "utf-16le" )
    .pipe(parser( separator: ';' ))
    .on('data', (data) => results.push(data))
    .on('end', () => 
        console.log(results);
    );

使用此设置，我看到如下输出：

[
  
    Publiceringsdatum: '2021-04-01 23:59:28',
    Utgivare: 'Attana AB',
    'LEI-kod': '549300KAI93YCW5ISI45',
    'Anmälningsskyldig': 'Arne Nabseth',
    'Person i ledande ställning': 'Arne Nabseth',
    Befattning: 'Styrelseordförande',
    'Närstående': '',
    Korrigering: '',
    'Beskrivning av korrigering': '',
    'Är förstagångsrapportering': 'Ja',
    'Är kopplad till aktieprogram': '',
    'Karaktär': 'Avyttring',
    Instrumenttyp: 'Aktie',
    Instrumentnamn: 'Attana ',
    ISIN: 'SE0015222583',
    Transaktionsdatum: '2021-02-26 00:00:00',
    Volym: '80000',
    Volymsenhet: 'Antal',
    Pris: '1,6',
    Valuta: 'SEK',
    Handelsplats: 'NORDIC SME',
    Status: 'Aktuell',
    '': ''
  
]

【参考方案2】：

csv-parser contains an option 查看、正确处理和删除输入文件开头的字节顺序标记 (BOM)。你可以这样使用它：

    fs.createReadStream('bar.csv')
            .pipe(parser( separator: ';', bom: true ))

解析器对utf-8、utf-16le 和utf-16be 字符集执行正确的操作。即使输入文件不包含 BOM，它也能正常工作。

如果您无法控制创建 csv 文件，这是一个不错的方法。