Question

我正在使用csv解析器类（http://code.google.com/p/php-csv-parser/）来解析和提取csv文件中的数据。我遇到的问题是它只适用于某些csv文件类型。（对于Mac，Ms-Dos和Windows，似乎有一个csv类型。）

如果我使用csv-windows选项保存在mac（在excel中）的csv文件，代码可以正常工作。但是，如果我将文件保存在Windows机器上只是作为csv，那不起作用。（您会认为这与在mac上保存csv-windows的格式相同。）如果我将其保存为csv-MSDOS文件，它可以在Windows机器上运行。这看起来有点荒谬。

有没有办法标准化这三种文件类型，以便我的代码可以读取上传的任何类型的csv？

我认为它会是这样的：

$standardizedCSV = preg_replace_all('/\r[^\n]/', '\r\n', $csvContent);

我知道它与每种文件类型处理行尾的方式有关，但是我试图弄清楚这些差异。如果有人有任何建议，请告诉我。

感谢。

更新：这是我正在使用的csv解析器的相关代码，它逐行提取数据：

$c = 0;
$d = $this->settings['delimiter'];
$e = $this->settings['escape'];
$l = $this->settings['length'];

$res = fopen($this->_filename, 'r');

while ($keys = fgetcsv($res, $l, $d, $e)) {

if ($c == 0) {
   $this->headers = $keys;
} else {
   array_push($this->rows, $keys);
}

$c ++;
}

我想我需要了解fgetcsv如何处理eol，以便我可以确保以相同的方式处理任何格式的csv文件。

Answer 1

这似乎可以解决问题：

    ini_set("auto_detect_line_endings", true);

问题在于行结尾，但我不需要创建自己的EOL解析器。这个运行时设置适合我。请参阅http://us.php.net/manual/en/filesystem.configuration.php#ini.auto-detect-line-endings。

Answer 2

我不认为行结尾是一个问题。关于CSV的事情是，它只是一个“逗号分隔值”文件，除此之外没有标准化。因此，一些系统使用逗号分隔值，一些使用分号（;）。我确信有些变体甚至可以使用其他值分隔符。

此外，CSV文件之间的转义字符（通常是反斜杠\）可能不同，而某些CSV文件也在每个值（"）周围使用引号。

CSV文件可以使用上述之间的任何变体。例如，我非常确定Microsoft Excel会导出CSV文件，这些文件使用分号分隔值，并且不会对值进行任何引用。

我确信有多种方法可以自动检测如何解析CSV文件，但最好的方法是让用户自行决定。这就是Excel所做的。

Answer 3

如果您使用CSV文件，则必须就许多未正确标准化的细节达成一致：

行结尾（Unix 0x0a，Macintosh 0x0d，DOS 0x0d 0x0a）
字段分隔符（逗号，分号等）
字段引用（引用的所有字段，仅字符串字段，仅包含字段和行分隔符的字符串字段）
在字符串字段中转义双引号（双引号加倍，双引号前反斜杠字符等）。
多行字符串字段（是否允许）
文件编码（ISO-8859-1，UTF-8等）

如果您创建CSV阅读器，则可以自动处理行结尾和字段引用的不同变体。但其余部分必须事先为CSV解析器所知。

事实上的标准是Excel生成的CSV格式。但是，Excel使用不同的格式变体：

通常是DOS行结尾（但我从未尝试使用Excel for Macintosh）
字段分隔符取决于区域设置。如果使用逗号分组长数字，Excel将分号用作字段分隔符。否则用逗号。
Excel根据需要使用双引号。
Excel将字符串字段中的双引号加倍。
Excel支持多行字符串字段。
文件编码似乎是当前语言环境的文件编码。所以它会有所不同。

标准化CSV文件类型

3 个答案: