Come dividere CSV le cui colonne possono contenere,

Dato

2,1016,7 / 31/2008 14:22, Geoff Dalgas , 6/5/2011 22:21, http://stackoverflow.com , "Corvallis, OR", 7679,351,81, b437f461b3fd27387c5d8ab47a293d35,34

Come utilizzare C # per suddividere le informazioni di cui sopra in stringhe come segue:

2
1016
7/31/2008 14:22
Geoff Dalgas
6/5/2011 22:21
http://stackoverflow.com
Corvallis, OR
7679
351
81
b437f461b3fd27387c5d8ab47a293d35
34

Come puoi vedere una delle colonne contiene, <= (Corvallis, OR)

// update // Basato su C # Regex Split - virgole fuori virgolette

string[] result = Regex.Split(samplestring, ",(?=(?:[^\"]*\"[^\"]*\")*[^\"]*$)");

Usa la Microsoft.VisualBasic.FileIO.TextFieldParserclasse. Questo gestirà l'analisi di un file delimitato TextReadero Streamdove alcuni campi sono racchiusi tra virgolette e altri no.

Per esempio:

using Microsoft.VisualBasic.FileIO;

string csv = "2,1016,7/31/2008 14:22,Geoff Dalgas,6/5/2011 22:21,http://stackoverflow.com,\"Corvallis, OR\",7679,351,81,b437f461b3fd27387c5d8ab47a293d35,34";

TextFieldParser parser = new TextFieldParser(new StringReader(csv));

// You can also read from a file
// TextFieldParser parser = new TextFieldParser("mycsvfile.csv");

parser.HasFieldsEnclosedInQuotes = true;
parser.SetDelimiters(",");

string[] fields;

while (!parser.EndOfData)
{
    fields = parser.ReadFields();
    foreach (string field in fields)
    {
        Console.WriteLine(field);
    }
} 

parser.Close();

Ciò dovrebbe comportare il seguente output:

2
1016
7/31/2008 14:22
Geoff Dalgas
6/5/2011 22:21
http://stackoverflow.com
Corvallis, OR
7679
351
81
b437f461b3fd27387c5d8ab47a293d35
34

Per ulteriori informazioni, vedere Microsoft.VisualBasic.FileIO.TextFieldParser .

È necessario aggiungere un riferimento a Microsoft.VisualBasicnella scheda Aggiungi riferimenti .NET.

È così tardi ma questo può essere utile per qualcuno. Possiamo usare RegEx come muggito.

Regex CSVParser = new Regex(",(?=(?:[^\"]*\"[^\"]*\")*(?![^\"]*\"))");
String[] Fields = CSVParser.Split(Test);

Puoi dividere tutte le virgole che hanno un numero pari di virgolette che le seguono.

Ti piacerebbe anche visualizzare il specfformato CSV per la gestione delle virgole.

Link utile: C# Regex Split - commas outside quotes

Vedo che se incolli del testo delimitato da CSV in Excel e fai un "Testo in colonne", ti viene chiesto un "qualificatore di testo". L'impostazione predefinita è una virgoletta doppia in modo che tratti il ​​testo tra virgolette doppie come letterale. Immagino che Excel lo implementa andando un carattere alla volta, se incontra un "qualificatore di testo", continua ad andare al "qualificatore" successivo. Probabilmente puoi implementarlo tu stesso con un ciclo for e un booleano per denotare se sei all'interno di un testo letterale.

public string[] CsvParser(string csvText)
{
    List<string> tokens = new List<string>();

    int last = -1;
    int current = 0;
    bool inText = false;

    while(current < csvText.Length)
    {
        switch(csvText[current])
        {
            case '"':
                inText = !inText; break;
            case ',':
                if (!inText) 
                {
                    tokens.Add(csvText.Substring(last + 1, (current - last)).Trim(' ', ',')); 
                    last = current;
                }
                break;
            default:
                break;
        }
        current++;
    }

    if (last != csvText.Length - 1) 
    {
        tokens.Add(csvText.Substring(last+1).Trim());
    }

    return tokens.ToArray();
}

Usa una libreria come LumenWorks per leggere i file CSV. Gestirà i campi con virgolette e sarà probabilmente nel complesso più robusto della tua soluzione personalizzata in virtù del fatto che esiste da molto tempo.

È difficile analizzare i file .csv quando il file .csv può essere costituito da stringhe separate da virgole, stringhe separate da virgole o da una combinazione caotica dei due. La soluzione che ho trovato consente una qualsiasi delle tre possibilità.

Ho creato un metodo, ParseCsvRow () che restituisce un array da una stringa csv. Per prima cosa mi occupo delle virgolette doppie nella stringa suddividendo la stringa tra virgolette doppie in un array chiamato quotesArray. I file .csv della stringa tra virgolette sono validi solo se è presente un numero pari di virgolette doppie. Le virgolette doppie nel valore di una colonna devono essere sostituite con una coppia di virgolette doppie (questo è l'approccio di Excel). Finché il file .csv soddisfa questi requisiti, puoi aspettarti che le virgole delimitatore vengano visualizzate solo al di fuori delle coppie di virgolette doppie. Le virgole all'interno delle coppie di virgolette doppie fanno parte del valore della colonna e devono essere ignorate quando si divide il .csv in un array.

Il mio metodo verificherà le virgole al di fuori delle coppie di virgolette doppie guardando solo gli indici pari di quotesArray. Rimuove anche le virgolette doppie all'inizio e alla fine dei valori di colonna.

    public static string[] ParseCsvRow(string csvrow)
    {
        const string obscureCharacter = "ᖳ";
        if (csvrow.Contains(obscureCharacter)) throw new Exception("Error: csv row may not contain the " + obscureCharacter + " character");

        var unicodeSeparatedString = "";

        var quotesArray = csvrow.Split('"');  // Split string on double quote character
        if (quotesArray.Length > 1)
        {
            for (var i = 0; i < quotesArray.Length; i++)
            {
                // CSV must use double quotes to represent a quote inside a quoted cell
                // Quotes must be paired up
                // Test if a comma lays outside a pair of quotes.  If so, replace the comma with an obscure unicode character
                if (Math.Round(Math.Round((decimal) i/2)*2) == i)
                {
                    var s = quotesArray[i].Trim();
                    switch (s)
                    {
                        case ",":
                            quotesArray[i] = obscureCharacter;  // Change quoted comma seperated string to quoted "obscure character" seperated string
                            break;
                    }
                }
                // Build string and Replace quotes where quotes were expected.
                unicodeSeparatedString += (i > 0 ? "\"" : "") + quotesArray[i].Trim();
            }
        }
        else
        {
            // String does not have any pairs of double quotes.  It should be safe to just replace the commas with the obscure character
            unicodeSeparatedString = csvrow.Replace(",", obscureCharacter);
        }

        var csvRowArray = unicodeSeparatedString.Split(obscureCharacter[0]); 

        for (var i = 0; i < csvRowArray.Length; i++)
        {
            var s = csvRowArray[i].Trim();
            if (s.StartsWith("\"") && s.EndsWith("\""))
            {
                csvRowArray[i] = s.Length > 2 ? s.Substring(1, s.Length - 2) : "";  // Remove start and end quotes.
            }
        }

        return csvRowArray;
    }

Uno svantaggio del mio approccio è il modo in cui sostituisco temporaneamente le virgole delimitatrici con un oscuro carattere Unicode. Questo personaggio deve essere così oscuro, non verrebbe mai visualizzato nel tuo file .csv. Potresti voler dare più maneggevolezza a questo.

Ho avuto un problema con un CSV che contiene campi con un carattere di virgolette, quindi utilizzando TextFieldParser, ho ottenuto quanto segue:

private static string[] parseCSVLine(string csvLine)
{
  using (TextFieldParser TFP = new TextFieldParser(new MemoryStream(Encoding.UTF8.GetBytes(csvLine))))
  {
    TFP.HasFieldsEnclosedInQuotes = true;
    TFP.SetDelimiters(",");

    try 
    {           
      return TFP.ReadFields();
    }
    catch (MalformedLineException)
    {
      StringBuilder m_sbLine = new StringBuilder();

      for (int i = 0; i < TFP.ErrorLine.Length; i++)
      {
        if (i > 0 && TFP.ErrorLine[i]== '"' &&(TFP.ErrorLine[i + 1] != ',' && TFP.ErrorLine[i - 1] != ','))
          m_sbLine.Append("\"\"");
        else
          m_sbLine.Append(TFP.ErrorLine[i]);
      }

      return parseCSVLine(m_sbLine.ToString());
    }
  }
}

Uno StreamReader è ancora utilizzato per leggere il CSV riga per riga, come segue:

using(StreamReader SR = new StreamReader(FileName))
{
  while (SR.Peek() >-1)
    myStringArray = parseCSVLine(SR.ReadLine());
}

Con Cinchoo ETL , una libreria open source, può gestire automaticamente i valori delle colonne contenenti separatori.

string csv = @"2,1016,7/31/2008 14:22,Geoff Dalgas,6/5/2011 22:21,http://stackoverflow.com,""Corvallis, OR"",7679,351,81,b437f461b3fd27387c5d8ab47a293d35,34";

using (var p = ChoCSVReader.LoadText(csv)
    )
{
    Console.WriteLine(p.Dump());
}

Produzione:

Key: Column1 [Type: String]
Value: 2
Key: Column2 [Type: String]
Value: 1016
Key: Column3 [Type: String]
Value: 7/31/2008 14:22
Key: Column4 [Type: String]
Value: Geoff Dalgas
Key: Column5 [Type: String]
Value: 6/5/2011 22:21
Key: Column6 [Type: String]
Value: http://stackoverflow.com
Key: Column7 [Type: String]
Value: Corvallis, OR
Key: Column8 [Type: String]
Value: 7679
Key: Column9 [Type: String]
Value: 351
Key: Column10 [Type: String]
Value: 81
Key: Column11 [Type: String]
Value: b437f461b3fd27387c5d8ab47a293d35
Key: Column12 [Type: String]
Value: 34

Per ulteriori informazioni, visita l'articolo di codeproject.

Spero che sia d'aiuto.