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”?
最佳答案
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:
应该存在的字段数
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。
关于C++ 试图读取带有错误逗号的格式错误的 CSV,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46405907/