Question

我正在尝试解析一个看起来像这样的文件：

||列标题A ||列标题B ||列标题C || CRLF
  |数据A |数据B |数据C | CRLF
  |数据A |数据B |数据C | CRLF

（“ CRLF ”表示换行符）

我有解析这个问题的代码：

我首先将文件解析为一个行数组：

 string[] lines = fileString.Split(Environment.NewLine.ToCharArray(), StringSplitOptions.RemoveEmptyEntries);

然后，我将每一行解析为一组列数据值

首先，我解析使用标题来获取标题：

  string Delimiter = "||";
  string[] columns = line.Split(new string[] { Delimiter }, StringSplitOptions.RemoveEmptyEntries);

然后使用

解析其余行

    string Delimiter = "|";
  string[] columns = line.Split(new string[] { Delimiter }, StringSplitOptions.RemoveEmptyEntries);

这种方法很有效，直到我发现一个字段内有 CRLF 的记录，所以我的解析分解了。

有人能想出一种解析下面这些数据的好方法，并正确处理 CRLF 吗？这是一个例子：

||列标题A ||列标题B ||列标题C || CRLF
  |数据A |数据B |数据C | CRLF
  |数据A |数据B CRLF 续B |数据C | CRLF

问题在于，当我进行初始解析以获取行数时，我在这里得到4行而不是3行（因为最后一行显示为该数组中的两个条目。）

Answer 1

这里有你的分隔文字。 String.Split（）是解析这类数据的一个众所周知的天真选择。它很慢，容易出现诸如你现在所经历的问题。更好的解决方案类似于Microsoft.VisualBasic.TextFieldParser类或Fast CSV parser over on codeproject。

Answer 2

不完全优雅，但这首暴力解决方案是第一个想到的。拆分，然后合并，如果短：

var lines = content.Split(...);
string header[] = lines[0].Split(...);
int numberOfColumns = header.Length;

var parsedLines = new List<string[]>();
for (int i = 1; i < lines.Length; i++) {
   var line = lines[i];

   while ((fields = line.Split(...)).Length < numberOfColumns) {
     // combine with next, and increment i
     line += lines[++i];
   }

   parsedLines.Add(fields);
}

Answer 3

在这种情况下有一个简单的解决方法：

抓一条线。它以|？结尾吗？如果没有，请添加CRLF并将下一行添加到其中。重复，直到它以|结尾，然后解析它。

Answer 4

根据您在问题中显示的内容，只是想法和想法：

删除在|之后没有出现的所有 CRLF 或||让最后一个出现（标记换行符）。这样做我认为您当前的代码仍然可以按照您想要的方式运行。

这样的事情：

string wrongLine = "| Data A | Data B \r\n Continued B | Data C |\r\n";

string rightLine = wrongLine.Replace(" " + Environment.NewLine, string.Empty);

它会给你这个输出（保持最后一个CRLF）：

"| Data A | Data B Continued B | Data C |\r\n"

Answer 5

这是Bad Data的典型示例，或者是分隔符的错误选择。在编写解析器之前，您必须100％确定代码所期望的数据。

在这种情况下，您在数据中遇到了CRLF，您（或您的代码）如何知道它实际上不是分隔符？

如果您有选择，我会说使用更好的分隔符。

编辑：您需要在分隔符上了解发件人，然后由发件人负责确保数据质量。

查看您的示例数据，'| CRLF'似乎是一个很好的分隔符，而不是'CRLF'。但是你如何（解析器）确保在实际数据中没有出现这个分隔符？你不能。您可以做的是根据与发送方达成的模式验证数据的质量（例如，记录中的列数等）。如果验证失败，请将错误报告给发件人并要求重新发送。

更好的方法是让发件人给你一个包含数据详细信息的标题（即没有记录，没有列等）。

作为解析器，您对数据的控制是有限的。此问题需要发件人的支持。

Answer 6

您应该考虑使用CSV解析库。

但是，你可以做一些像这样的事情（比最好的情况更多的概念验证），如果你真的反对这条道路并且可以保证你的列标题没有杂项CRLF

string Delimiter = "||"; 

string[] columns = fileString.Substring(0, fileString.IndexOf(Environment.NewLine))
   .Split(new string[] { Delimiter }, StringSplitOptions.RemoveEmptyEntries); 

string[] cells = fileString.Substring(fileString.IndexOf(Environment.NewLine))
   .Split(new string[] { Delimiter }, StringSplitOptions.RemoveEmptyEntries); 

List<string> rows = new List<string>();
StringBuilder row = new StringBuilder();
int colIndex = 0;
int breakIndex = columns.Length;
char[] trimChars = new char[] { '\r','\n',' ' };

foreach(string c in cells)
{
   if (cellIndex == breakIndex)
   {
       rows.Add(row.ToString().Trim(trimChars));
       cellIndex = 0;
       row = new StringBuilder();
   }
   row.Append(c).Append(" ");
   cellIndex ++;
}
rows.Add(row.ToString().Trim(trimChars));

什么是在C＃中解析此文件的方法，其中我在一个字段内有一个CRLF

6 个答案: