str_getcsv 分隔行删除行中的封闭字符

Question

str_getcsv () 有一些奇怪的行为。它会删除与封闭字符匹配的所有字符，而不是只删除封闭字符。我正在尝试分两步解析 CSV 字符串（上传文件的内容）：

1. 将 CSV 字符串拆分为行数组
2. 将每一行拆分为一个字段数组

使用此代码：

$whole_file_string = file_get_contents($file);
$array_of_lines = str_getcsv ($whole_file_string, "\n", "\""); // step 1. split csv into lines
foreach ($array_of_lines as $one_line_string) {
    $splitted_line = str_getcsv ($one_line_string, ",", "\""); // step 2. split line into fields
};

为了清晰起见，在代码示例中，$splitted_line 没有做任何事情

然后我为这个脚本提供一个包含以下内容的文件："text,with,delimiter",secondfield。 当执行第 1 步时，$array_of_lines 的第一个（也是唯一的）元素是 text,with,delimiter,secondfield。因此，当执行第 2 步时，它会将行拆分为 4 个字段，但需要为 2。

我不能使用fgetcsv()，因为在读取文件之后并在步骤 1 中将其拆分为行之前，已经完成了一些字符串转换（检查 BOM、相应地转换编码等）。

我正在编写自己的字符串解析器（这对于 CSV 格式来说并不复杂），但在我这样做之前，我想确保这是最好的方法。我有点失望，PHP 函数让我对这个简单（我猜很常见）的用例感到失望：处理上传的具有不同编码的 csv 文件。

有什么建议吗？

Answer 1

您一次只能在一行上调用str_getcsv()，而不是整个文件。

$array_of_lines = file($file, FILE_IGNORE_NEW_LINES); // split CSV into lines
foreach($array_of_lines as $one_line_string) {
    $splitted_line = str_getcsv($one_line_string, ",", "\""); // split line into fields
}

Answer 2

这是我自己的 CSV 解析器，完全符合 IETF rfc 4180。 我很想知道这是否可以在正则表达式中完成，这不是我的强项。

/**
 * Parse a string according to CSV format (https://tools.ietf.org/html/rfc4180), with variabele delimiter (default ,).
 * @param string $string    String to be parsed as csv
 * @param string $delimiter character to be used as field delimiter  
 * @return array            Array with for each line an array with csv field values
 */
 function csv_parse ($string, $delimiter = ",", $line_mode = true) {
    // This function parses on line-level first ($line_mode = true) and calls itself recursively to parse each line on field-level ($line_mode = false).
    // when in line mode, the delimiter is eol (\n, \r\n and \n\r). 
    // when in field mode, the delimiter is the passed $delimiter. 

    $delimiter = substr ($delimiter,0,1);                           // delimiter is one character       
    $length = strlen ($string);
    $parsed_array = array();
    $end_of_line_state = false;
    $enclosed_state = false;
    $i = 0;
    $field = "";
    do {
        switch (true) {
            case (!$enclosed_state && $end_of_line_state && ($string[$i] == "\r" && $string[$i-1] == "\n")) :
            case (!$enclosed_state && $end_of_line_state && ($string[$i] == "\n" && $string[$i-1] == "\r")) :
                // ...found second character of eol (\r\n of \n\r). Ignore
                $end_of_line_state = false;
                break;
            case (!$enclosed_state && !$end_of_line_state && ($string[$i] == "\n" || $string[$i] == "\r")) :
                    // ... found first character of eol \n, \r\n of \n\r
                $end_of_line_state = true;                  // eol can be two characters, so prepare for the second
                if ($field != "") {                     // ignore empty lines. Prohibited in csv
                    $parsed_array [] = csv_parse ($field, $delimiter, false); // recursive call to parse on field-level. Flush result
                };
                $field = "";                                // prepare for next one
                break;
            case (!$enclosed_state && $string[$i] == $delimiter && !$line_mode) : 
                // ...delimiter found
                $parsed_array [] = $field;              // flush field as new array element
                $field = "";                                // prepare for next one
                break;
            case ($string[$i] == "\"") :
                // ...encloser found
                if ($enclosed_state) {
                    if ($i < $length && $string[$i+1] == "\"") {
                        // ... escaped " found
                        if (!$line_mode) {
                            $field .= "\"";                     // when parsing fieldlevel, only " is part of the line
                        } else {
                            $field .= "\"\"";                   // when parsing line level, the escaping " is also part of the line
                        };
                        $i++;
                    } else {
                        // ...closing encloser found
                        $enclosed_state = false;
                        if ($line_mode) {
                            $field .= $string[$i];              // when parsing line level, the enclosing " are part of the line
                        };
                    };
                } else {
                    // ... opening encloser found 
                    $enclosed_state = true;
                    if ($line_mode) {
                        $field .= $string[$i];                  // when parsing line level, the enclosing " are part of the line
                    };
                };
                break;
            default:
                // ...regular character found
                $field .= $string[$i];
        };
        $i++;

        if ($i >= $length) {                                    // end of string
            if ($line_mode) {
                $parsed_array [] = csv_parse ($field, $delimiter, false); // recursive call to parse on field-level. Flush result.
            } else {
                $parsed_array [] = $field;                      // flush last field
            };
        };
    } while ($i < $length); 
    return $parsed_array;    
};

Answer 3

嗯。奇怪的。我摆弄了一下，发现了一些有趣的东西：

$a = str_getcsv("\"@ne piece, @f text\"", "\n");
$b = str_getcsv("\"@ne piece, @f text\"", "\n","\"");
$c = str_getcsv("\"@ne piece, @f text\"", "\n","@");
echo $a; // @ne piece, @f text
echo $b; // @ne piece, @f text
echo $c; // "@ne piece, @f text"

因此，将@ 作为封闭字符而不是" 传递（或将其省略并使用默认值，也就是"）在语义上是牛逼的，但它可以完成工作。它在字段周围留下封闭的"，所以如果你然后str_getcsv($c, ",") 它会产生一个应该的值。如果你有一个包含在 @ 中的字段，它会保持不变。我测试过。

很明显 str_getcsv 有它的缺陷。在拆分为行时，它不应该去掉引号，就像它不去掉 @ 时那样是封闭参数。但遗憾的是它确实如此，因此不符合 CSV 标准。