C++ 试图读取带有错误逗号的格式错误的 CSV

Question

我正在尝试制作一个简单的 CSV 文件解析器，以将大量订单从订单系统传输到发票系统。问题是我正在下载的 CSV 包含错误的逗号，这些逗号有时会出现在名称字段中，因此这会导致整个过程中断。

INSISTS 公司真的开始惹恼我了，他们只是将收到的数据复制到 CSV 中，因此这是有效数据。

Excel 似乎大多能正确解释或至少将数据放在正确的字段中，但我的程序却没有。我在记事本++ 中打开 CSV，字符串周围没有引号，只是用逗号分隔的原始字符串。

这就是我目前阅读文件的方式。

  int main()
  {
    string t;
    getline(cin, t);
    string Output;
    string path = "in.csv";
    ifstream input(path);
    vstring readout;
    vstring contact, InvoiceNumber, InvoiceDate, DueDate, Description, Quantity, UnitAmount, AccountCode, TaxType, Currency, Allocator, test, Backup, AllocatorBackup;
    vector<int> read, add, total;
    if (input.is_open()) {
        for (string line; getline(input, line); ) {
            auto arr = explode(line, ',');
            contact.push_back(arr[7]); // Source site is the customer in this instance.
            InvoiceNumber.push_back(arr[0]); // OrderID will be invoice number
            InvoiceDate.push_back(arr[1]); // Perchase date
            DueDate.push_back(arr[1]); // Same as order date
            Description.push_back(arr[0]);
            Quantity.push_back(arr[0]);
            UnitAmount.push_back(arr[10]); // The Total
            AccountCode.push_back(arr[7]); // Will be set depending on other factors - But contains the site of perchase
            Currency.push_back(arr[11]); // EUR/GBP
            Allocator.push_back(arr[6]); // This will decide the VAT treatment normally. 
            AllocatorBackup.push_back(arr[5]); // This will decide VAT treatment if the column is off by one.
            Backup.push_back(arr[12]);
            TaxType = Currency;
        }
    }
      return 0;
  }

  vstring explode(string const & s, char delim) {
    vstring result;
    istringstream q(s);
    for (string token; getline(q, token, delim); ) {
        result.push_back(move(token));
    }
    return result;
  }

Vstring 是我创建的一个编译器宏，目的是避免我经常输入 vector，所以它是同一回事。

问题是当我遇到其中一个带有逗号的字段(通常是名称字段 [3])时，它必然会将所有内容推回一个，因此帐户代码变为 [8] 等。这是非常麻烦，因为很难判断天气与否，在某些情况下，我正在处理下一个字段中的正确数据或不正确的数据。

所以两个问题:

1) 有什么简单的方法可以让我检测到这个异常并纠正我错过的吗？如果有效数据在预期的位置，我确实会尝试检查我的循环，但这变得困惑并且无法处理多个逗号。

2) 公司是否正确地告诉我，允许客户输入的逗号未经处理就潜入此 CSV 是“预期行为”，还是他们完全误解了 CSV“标准”？

Answer 1

Retired Ninja 在评论中提到，一个约束是首先解析“问题字段”任一侧的所有字段，然后将剩余数据放入问题字段。如果您知道哪个字段可能包含损坏，这是最好的方法。如果您不知道哪个字段可能已损坏，您仍然可以选择!

你知道:

1. 应该存在的字段数

2. 关于每个字段中数据类型的信息。

如果您编码字段的类型(为不同的数据类型实现类，因此您的字符串 vector 将成为 OrderID、日期或计数或...的 vector )，您可以测试不同的连接(连接相邻的字段以逗号分隔)并根据通过某些数据验证的字段数量对其进行评分。然后您选择数据的最佳评分解释。这将在流程中构建一些数据验证，并使一切更加稳健。