Question

我已经定义了以下Parsec解析器，用于将csv文件解析为字符串表，即[[String]]

--A csv parser is some rows seperated, and possibly ended, by a newline charater
csvParser = sepEndBy row (char '\n')
--A row is some cells seperated by a comma character
row = sepBy cell (char ',')
--A cell is either a quoted cell, or a normal cell
cell = qcell <|> ncell
--A normal cell is a series of charaters which are neither , or newline. It might also be an escape character
ncell = many (escChar <|> noneOf ",\n")
--A quoted cell is a " followd by some characters which either are escape charaters or normal characters except for "
qcell = do
    char '"'
    res <- many (escChar <|> noneOf "\"")
    char '"'
    return res
--An escape character is anything followed by a \. The \ will be discarded.
escChar = char '\\' >> anyChar

我真的不知道这些评论是否太过烦人，如果他们有所帮助的话。作为Parsec noob他们会帮助我，所以我想我会添加它们。

它工作得很好，但有一个问题。它在表中创建了一个额外的空行。因此，如果我有一个包含10行的csv文件（即只有10行。最后没有空行 *），[[String]]结构的长度为11，最后一个String的列表将包含1个元素。空String（至少这是使用show打印时的显示方式。）

我的主要问题是：为什么会出现这个额外的行，我该怎么做才能阻止它？

我注意到的另一件事是，如果csv文件中的数据后面有空行，这些行将最终成为表中只包含空String的行。我认为使用sepEndBy代替sepBy会使多余的空行被忽略。情况不是这样吗？

*在十六进制编辑器中查看文本文件之后，它似乎确实以换行符结尾，即使vim没有显示它...

Answer 1

如果您希望每行至少有一个单元格，则可以使用sepBy1代替sepBy。这也应该阻止空行被解析为一行。 sepBy和sepBy1之间的差异与many和many1之间的差异相同：1版本仅解析至少一个元素的序列。所以row变成了这个：

row = sepBy1 cell (char ',')

此外，通常的方式是在中缀sepBy1中使用cell `sepBy1` char ','。这更自然地读取：你有一个“逗号分隔的单元格”，而不是“用逗号分隔单元格”。

编辑：如果您不想接受空单元格，则必须使用ncell指定many1至少包含一个字符：

ncell = many1 (escChar <|> noneOf ",\n")

解析额外行的Parsec csv解析器

1 个答案: