我正在尝试生成代码以逐行从逗号分隔的文本文件中读取输入。我只对3个领域感兴趣,所以我正在跳过剩下的。问题是2个字段是包含在引号中的字符串,其中一个实际上是可选的。
例如,两个连续的行可能如下所示:
0,,10004,10004,"Albany Hwy After Galliers Av","",-32.13649428,116.0176090070,3
0,,10005,10005,"Albany Hwy Armadale Kelmscott Hospital","Armadale Kelmscott Hospital",-32.13481555555560,116.017707222222,3
由于我对字符串不感兴趣(我只对一些数字感兴趣),我只是在scanf中使用*运算符跳过它们。对于第一个字符串,它很容易,因为这是一个必填字段,所以我可以跳过第一个双引号匹配到一切的正则表达式,直到第二个双引号,如下所示:
\"%*[^\"]
我遇到麻烦的是第二个领域,就在第一个领域之后。问题是这个字段是可选的;因此它可能有文本,也可能没有。只要不是,我上面列出的正则表达式就不能正常工作,并且整行scanf操作都会失败。尽管我付出了最大的努力,但我无法生成一个正则表达式,它可以成功匹配第二个双引号之外的所有内容,以及匹配空字符串。有谁知道如何修改我的正则表达式来执行这样的功能?
P.S。这是我的scanf操作的示例:
res = sscanf(buf, "%*d,,%ld,%*ld,\"%*[^\"]\",\"%*[]\",%lf,%lf,%*d", &cursid, &curslat, &curslong);
答案 0 :(得分:1)
以下是基本的CSV解析器:
void readCSVline(char *line);
char *readCSVfield(char *line, char *buf);
void readCSVdemo(void)
{
char line[]= "0,,10004,10004,\"Albany Hwy After Galliers Av\",\"\",-32.13649428,116.0176090070,3";
readCSVline(line);
}
/* readCSVline is where you put your "intelligence* about fields to read
* and what to do with them
*/
void readCSVline(char *line)
{
char field1[80], *lineptr=line;
int nfields=0;
while (*lineptr) {
lineptr= readCSVfield(lineptr, field1);
printf("%s\n", field1);
nfields++;
}
printf("%d fields read.\n", nfields);
}
/* readCSVfield reads a field from a CSV line until the next comma or end-of-line.
* It returns where the reading stopped.
*/
char *readCSVfield(char *line, char *buf)
{
int instr= FALSE; // track whether we are in a string
char *cptr= line;
while (*cptr)
{
if (instr) {
if (*cptr=='"') {
char cc= *++cptr;
if (cc=='"') // escaped double quote
*buf++ = '"';
else {
*buf='\0';
cptr--;
instr= FALSE;
}
}
else *buf++ = *cptr;
}
else switch (*cptr) {
case '"': instr= TRUE; break;
case ',': cptr++; *buf= '\0'; return(cptr);
case ' ': case '\t': case '\n': case '\r': break;
default: *buf++ = *cptr;
}
cptr++;
}
*buf= '\0';
return(cptr);
}
注意:处理带引号的字符串中的换行
通常使用调用者已读取的行调用解析器。为了能够处理带引号的字符串中的回车符/换行符,解析器必须通过获取下一行来处理\n
。然后,readCSVfield
的签名应包括行缓冲区及其大小。