使用TextFieldParser处理包含未转义双引号的字段
我正在尝试使用TextFieldParser导入CSV文件。 特定的CSV文件由于其非标准格式而导致我出现问题。 有问题的CSV的字段用双引号括起来。 当特定字段中还有一组未转义的双引号时，会出现此问题。
这是一个过于简单的测试用例，突出了问题。 我正在处理的实际CSV文件并非全部格式相同，并且有许多字段，其中任何一个都可能包含这些可能棘手的格式问题。
TextReader reader = new StringReader("\"Row\",\"Test String\"\n" + "\"1\",\"This is a test string. It is parsed correctly.\"\n" + "\"2\",\"This is a test string with a comma, which is parsed correctly\"\n" + "\"3\",\"This is a test string with double \"\"double quotes\"\". It is parsed correctly\"\n" + "\"4\",\"This is a test string with 'single quotes'. It is parsed correctly\"\n" + "5,This is a test string with fields that aren't enclosed in double quotes. It is parsed correctly.\n" + "\"6\",\"This is a test string with single \"double quotes\". It can't be parsed.\""); using (TextFieldParser parser = new TextFieldParser(reader)) { parser.Delimiters = new[] { "," }; while (!parser.EndOfData) { string[] fields= parser.ReadFields(); Console.WriteLine("This line was parsed as:\n{0},{1}", fields[0], fields[1]); } } 无论如何使用TextFieldParser正确解析具有此类格式的CSV？
我同意Hans Passant的建议，即解析格式错误的数据不是您的责任。 但是，根据“ 稳健性原则” ，面临这种情况的某些人可能会尝试处理特定类型的格式错误的数据。 我在下面编写的代码适用于问题中指定的数据集。 基本上，它检测到格式错误的行上的解析器错误，确定它是否是基于第一个字符的双引号包装，然后手动拆分/剥离所有包装双引号。
using (TextFieldParser parser = new TextFieldParser(reader)) { parser.Delimiters = new[] { "," }; while (!parser.EndOfData) { string[] fields = null; try { fields = parser.ReadFields(); } catch (MalformedLineException ex) { if (parser.ErrorLine.StartsWith("\"")) { var line = parser.ErrorLine.Substring(1, parser.ErrorLine.Length - 2); fields = line.Split(new string[] { "\",\"" }, StringSplitOptions.None); } else { throw; } } Console.WriteLine("This line was parsed as:\n{0},{1}", fields[0], fields[1]); } }
我确信有可能编造一个失败的病态示例（例如，在字段值中与双引号相邻的逗号），但任何此类示例在最严格意义上可能是不可解析的，而问题中给出的问题行是尽管畸形，但仍然难以理解。
手动执行此操作可能更容易，它肯定会为您提供更多控制：
编辑：对于您澄清的示例，我仍然建议手动处理解析：
using System.IO; string[] csvFile = File.ReadAllLines(pathToCsv); foreach (string line in csvFile) { // get the first comma in the line // everything before this index is the row number // everything after is the row value int firstCommaIndex = line.IndexOf(','); //Note: SubString used here is (startIndex, length) string row = line.Substring(0, firstCommaIndex+1); string rowValue = line.Substring(firstCommaIndex+1).Trim(); Console.WriteLine("This line was parsed as:\n{0},{1}", row, rowValue); }
对于不允许字段中使用逗号的通用CSV：
using System.IO; string[] csvFile = File.ReadAllLines(pathToCsv); foreach (string line in csvFile) { string[] fields = line.Split(','); Console.WriteLine("This line was parsed as:\n{0},{1}", fields[0], fields[1]); }
工作方案：
using (TextFieldParser csvReader = new TextFieldParser(csv_file_path)) { csvReader.SetDelimiters(new string[] { "," }); csvReader.HasFieldsEnclosedInQuotes = false; string[] colFields = csvReader.ReadFields(); while (!csvReader.EndOfData) { string[] fieldData = csvReader.ReadFields(); for (i = 0; i < fieldData.Length; i++) { if (fieldData[i] == "") { fieldData[i] = null; } else { if (fieldData[i][0] == '"' && fieldData[i][fieldData[i].Length - 1] == '"') { fieldData[i] = fieldData[i].Substring(1, fieldData[i].Length - 2); } } } csvData.Rows.Add(fieldData); } }
如果你没有设置HasFieldsEnclosedInQuotes = true ，如果数据包含（，）逗号，结果列的列将更多。 例如“Col1”，“Col2”，“Col3”“Test1”，100，“Test1，Test2”“Test2”，200，“Test22”这个文件应该有3列但是在解析时你会得到4个错误的字段。
Jordan的解决方案非常好，但是错误的假设是错误行总是以双引号开头。 我的错误行是这样的：
170,"CMS ALT",853,,,NON_MOVEX,COM,NULL,"2014-04-25","" 204 Route de Trays"
注意最后一个字段有额外/未转义的双引号，但第一个字段很好。 所以乔丹的解决方案没有用。 这是我基于Jordan的修改后的解决方案：
using(TextFieldParser parser = new TextFieldParser(new StringReader(csv))) { parser.Delimiters = new [] {","}; while (!parser.EndOfData) { string[] fields = null; try { fields = parser.ReadFields(); } catch (MalformedLineException ex) { string errorLine = SafeTrim(parser.ErrorLine); fields = errorLine.Split(','); } } }
您可能希望以不同方式处理catch块，但一般概念对我来说非常有用。
在开始读取文件之前，请在TextFieldParser对象上设置HasFieldsEnclosedInQuotes = true 。