Question

更新：传递：

#",(?=([^\"]*\"[^\"]*\")*[^\"]*$)"

到clojure.string/split解析CSV。

更新：我需要一个匹配所有非引号的逗号的正则表达式，其格式可以由clojure.string/split使用。

我在Clojure中编写了一个CSV解析函数：

(defn parse-csv [data schema]
  (let [split-data (clojure.string/split data #",")]
    (loop [rm-data split-data
           rm-keys (:keys schema)
           rm-trans (:trans schema)
           final {}]
      (if (empty? rm-keys)
           final
          (recur (rest rm-data)
                 (rest rm-keys)
                 (rest rm-trans)
                 (into final
                   {(first rm-keys)
                   ((first rm-trans) (first rm-data))}))))))

schema只是一个哈希映射，由关键字列表和函数列表组成（应用于各自的值）。这用于定义输出哈希映射的外观。这是一个例子：

(def schema {:keys [:foo :bar :baz] :trans [identity read-string identity]})
(parse-csv "Hello,42,world" schema) ;; returns {:foo "Hello", :bar 42, :baz "world"}

但是，如果我们这样做：

(def schema {:keys [:foo :bar :baz] :trans [identity identity identity]})
(parse-csv "Hello,\"Newell, Gabe\",world" schema) ;; returns {:foo "Hello" :bar "\"Newell" :baz "Gabe\""}

事情搞砸了，“世界”这个词被忽略了。结果应该看起来像：

{:foo "Hello" :bar "\"Newell, Gabe\"" :baz "world"}

以上数据在文件中实际上看起来像Hello,"Newell, Gabe",world，因此我们需要避免在split中遇到逗号时触发"Newell, Gabe"函数。

我们需要一个将某个字符串拆分的函数，除非某个字符在引号中。

Answer 1

要允许字段内的分隔符（此处为,），需要引用这些字段。

您在此处使用\"执行的操作转义引号（unix样式，引号也可以使用其他引号进行转义）。

因此，允许字段内的,：

"Hello,"Newell, Gabe",world"

当然，那些外部引号不应该是csv的一部分。

编辑问题后

Udate ：

以上数据在文件中实际上看起来像Hello，“Newell， Gabe“，世界，所以我们需要避免触发分裂功能在“Newell，Gabe”中出现了逗号。

Hello,"Newell, Gabe",world

这是完全有效的csv，但如果使用,上的纯分割功能处理此问题，则会遇到麻烦。

一种选择可能是使用其他分隔符，例如|或;。

更新2 ：

所以我需要一个新功能，将CSV字符串拆分为字段，除非逗号是引号（我无法更改数据集）。我怎么去关于实现这个？

对于每一行，你需要扫描每个字符，在伪代码中有点像这样（我不知道Clojure，所以我不能提供一些代码，但我用大csv文件工作了很多）：

bool InsideQuotes = false;
loop through chars
  if `,` and InsideQuotes == false -> new field
  if `"` -> InsideQuotes = !InsideQuotes

这种方式引用字段内的引号可以使用另一个引号进行转义。例如：

Hello,"17"" monitor, Samsung",world

<强>更新：

对于csv上的某些Regex，请参阅this和this。

Clojure中的CSV解析器需要避免使用引号

1 个答案: