Ruby：如何处理带有“坏逗号”的 CSV 文件？答案

【问题标题】：Ruby: How can I process a CSV file with "bad commas"?Ruby：如何处理带有“坏逗号”的 CSV 文件？
【发布时间】：2011-04-27 03:49:27
【问题描述】：

我需要处理来自 FedEx.com 的包含运输历史记录的 CSV 文件。不幸的是，FedEx 似乎并没有真正测试其 CSV 文件，因为它没有引用其中包含逗号的字符串。

例如，公司名称可能是“Dog Widgets, Inc.”。但 CSV 没有引用该字符串，因此任何 CSV 解析器都认为逗号位于“Inc.”之前。是一个新领域的开始。

有什么方法可以使用 Ruby 可靠地解析这些行吗？

我能找到的唯一区别特征是，作为字符串一部分的逗号之后有一个空格。分隔字段的逗号没有空格。不知道这如何帮助我解析这个，但这是我注意到的。

【问题讨论】：

标签： ruby parsing csv

【解决方案1】：

您可以使用负前瞻

>> "foo,bar,baz,pop, blah,foobar".split(/,(?![ \t])/)
=> ["foo", "bar", "baz", "pop, blah", "foobar"]

【讨论】：

【解决方案2】：

嗯，这是一个想法：您可以用唯一字符替换逗号后跟空格的每个实例，然后像往常一样解析 CSV，然后遍历结果行并反转替换。

【讨论】：

【解决方案3】：

也许是这样的..

使用 gsub 将 ', ' 更改为其他内容

ruby-1.9.2-p0 > "foo,bar,baz,pop, blah,foobar".gsub(/,\ /,'| ').split(',')
[
    [0] "foo",
    [1] "bar",
    [2] "baz",
    [3] "pop| blah",
    [4] "foobar"
]

然后删除 |话后。

【讨论】：

【解决方案4】：

如果您很幸运只有一个这样的字段，您可以从开头解析前导字段，然后从结尾解析尾随字段，并假设剩下的都是有问题的字段。在 python（没有 habla ruby）中，这看起来像：

fields = line.split(',') # doesn't work if some fields are quoted
fields = fields[:5] + [','.join(fields[5:-3])] + fields[-3:]

无论你做什么，你至少应该能够确定有问题的逗号的数量，这应该会给你一些东西（如果没有别的，请进行健全性检查）。

【讨论】：