Question

我要开始说我仍在学习红宝石。

我正在编写一个脚本以解析.csv并识别数据集中可能存在的重复记录。

我有一个带标头的.csv文件，因此我正在解析数据，以便可以使用标头标题访问每一行，例如：

@contact_table = CSV.parse(File.read("app/data/file.csv"), headers: true)

# Prints all last names in table
puts contact_table['last_name']

我正在尝试遍历表中的每一行，并确定我当前正在遍历的姓氏是否类似于下一个姓氏，但是这样做很麻烦。我想我的处理方式就像是数组一样，但是我检查了类型，它是CSV :: Row。

示例（这不起作用）：

@contact_table.each_with_index do |c, i|
  puts "first contact is #{c['last_name']}, second contact is #{c[i + 1]['last_name']}"
end

我意识到这不是这样，因为表不是数组，而是CSV :: Row，就像我之前提到的那样。有什么方法可以做到这一点？我现在真的很空白。

我的csv看起来像这样：

id,first_name,last_name,company,email,address1,address2,zip,city,state_long,state,phone
1,Donalt,Canter,Gottlieb Group,dcanter0@nydailynews.com,9 Homewood Alley,,50335,Des Moines,Iowa,IA,515-601-4495
2,Daphene,McArthur,"West, Schimmel and Rath",dmcarthur1@twitter.com,43 Grover Parkway,,30311,Atlanta,Georgia,GA,770-271-7837

Answer 1

@contact_table应该是CSV::Table，它是CSV::Row的集合，因此在此：

@contact_table.each_with_index do |c, i|
  ...
end

c是CSV::Row。这就是c['last_name']起作用的原因。问题是在这里：

c[i + 1]['last_name']

您正在查看c（单行）而不是@contact_table，如果您说：

@contact_table[i + 1]['last_name']

那么您将得到下一个姓氏，或者当c是最后一行时，会出现一个例外，因为@contact_table[i+1]将是nil。

此外，在迭代过程中，c是当前（或第(i+1)）行，并且不一定总是第一行。

Answer 2

您的用例是什么？好像是学校的项目？

我建议使用for_each而不是解析（请参阅this comparison）。我可能为此使用Set。

在解析文件范围之外（即，在解析代码上方）创建一个Set。我们称之为rows。
在每次迭代期间调用rows.include?(row)来解析文件
- 如果true，则表示您有重复项
- 如果为false，则调用rows.add(row)将新行添加到集合中

您还可以只使用必须与众不同的列（例如row.field(:some_column_name)）中的单个值（例如电子邮件或电话号码）来填充集合，并对此进行相同的包含检查。

（如果这是用于真实应用程序，请不要这样做。请改用模型validations。）

Answer 3

我将使用#read而不是#parse并执行以下操作：

require 'csv'
LASTNAME_INDEX = 2
data = CSV.read('data.csv')

data[1..-1].each_with_index do |row, index|
  puts "Contact number #{index + 1} has the following last name : #{row[LASTNAME_INDEX]}"
end

#~> Contact number 1 has the following last name : Canter
#~> Contact number 2 has the following last name : McArthur

通过CSV :: Rows

3 个答案: