Question

我正在研究一种获取CSV文件（带标题）并使用Ruby CSV.parse解析它的方法，但我只想保存特定的列。

CSV看起来像这样：

NAME,SUPERNET_IP,POP_NAME,ADDRESS_BLOCK_START,ADDRESS_BLOCK_END,Service,ISP Service ID,WCC,DUNSID
Retail,186.43.168.0,text1,186.43.168.0,186.43.175.255,XYZ,XYZB00090095,Enabled,227015716
Retail,186.57.80.0,text2,186.57.80.0,186.57.87.255,XYZ,XYXB00090095,Enabled,227015716

我想要保留的唯一字段是：

POP_NAME,ADDRESS_BLOCK_START,ADDRESS_BLOCK_END,WCC

是否有办法通过特定的标题名称解析CSV，例如：

mycsv = CSV.parse(csv_data, {:headers => true, (list of headers to keep here) })

此示例假设csv_data是由上面的示例CSV形成的字符串。

作为权宜之计，我只是将CSV转换为阵列数组，但这并不是我所追求的。我宁愿把它保存为CSV对象。

myreturnedcsv = []
mycsv = CSV.parse(csv_data, {:headers => true, })
mycsv.each do |row|
  myreturnedcsv.push([row[2], row[3], row[4],row[7]])
end

Answer 1

请尝试smarter_csv gem /解析器。这有能力忽略＆＃34;列＆＃34;在输入（删除列）https://github.com/tilo/smarter_csv

Answer 2

仅使用stdlib，您可以在列模式下使用CSV::Table个对象进行操作（而不是默认的混合模式）。在列模式下，迭代方法将产生两个元素元组，其中包含列名和值数组该专栏。

考虑到这一点，我们可以写出类似的东西：

# column names to keep
columns_to_keep = %w(POP_NAME ADDRESS_BLOCK_START ADDRESS_BLOCK_END WCC)

# get the data
mycsv = CSV.parse(csv_data, :headers => true)

# change to column mode, filter by column name and change back to default
# mode of operation
mycsv.by_col!.delete_if do |col_name, col_values|
  !columns_to_keep.include?(col_name)
end.by_col_or_row!

最后一步是可选的，只是将表对象保留为默认模式我们可以照常迭代（按行）。

我实际上并不知道这种方法是否会受到perf / mem问题的影响处理大数据集。

您可以在CSV::Table的文档中找到有关行/列/混合访问的详细信息。

希望它有所帮助。

Ruby通过标头值解析csv

2 个答案: