解析制表符分隔的文本文件

Question

我有一个 制表符分隔 文件，其中包含一些列和行，例如：某些行可能对某些列没有价值。 我们所知道的是“顺序”不会改变，所以第三个制表符分隔的东西总是用于 Column3 等等。

Column1  Column2  Column3 .... Column12 .... Column34 ... Column50
123  34 ABC
234     DEF                                   as@ddd.com    True
     45           NYC                         wwe@dsds.com  False      

现在我需要阅读此文件，但并非所有列对我的程序都很重要。例如，我只需要对 Column2、Column12、Column45 中的值做一些事情

你有什么建议？

Answer 1

尝试以下方法

static void Main(string[] args)
{
    DataTable datatable = new DataTable();
    StreamReader streamreader = new StreamReader(@"C:\Temp\txt.txt");
    char[] delimiter = new char[] { '\t' };
    string[] columnheaders = streamreader.ReadLine().Split(delimiter);
    foreach (string columnheader in columnheaders)
    {
        datatable.Columns.Add(columnheader); // I've added the column headers here.
    }

    while (streamreader.Peek() > 0)
    {
        DataRow datarow = datatable.NewRow();
        datarow.ItemArray = streamreader.ReadLine().Split(delimiter);
        datatable.Rows.Add(datarow);
    }

    foreach (DataRow row in datatable.Rows)
    {
        Console.WriteLine(""----Row No: " + datatable.Rows.IndexOf(row) + "----"");

        foreach (DataColumn column in datatable.Columns)
        {
            //check what columns you need
            if (column.ColumnName == "Column2" || 
                column.ColumnName == "Column12" ||
                column.ColumnName == "Column45") 
            {
                Console.Write(column.ColumnName);
                Console.Write(" ");
                Console.WriteLine(row[column]);
            }
        }
    }
    Console.ReadLine();
}

Answer 2

不要自己动手。有……微妙之处不是立即显现出来的。其中：

• 引用的字段？
• 包含嵌入字段和/或记录分隔符的数据
• 长度错误的记录
• 等

改为使用像 Sebastien Lorion 最优秀的 Fast CSV Reader 之类的东西，来自 CodeProject。

编辑说明：尽管名称如此，但它是用于分隔文本文件的通用阅读器。可配置的项目包括

• 字段分隔符
• 记录分隔符
• 引号字符（用于引用文本）
• 转义字符（用于嵌入引号）
• 允许或不允许评论的地方。如果启用，注释字符（见下文）开始注释，以下一个记录分隔符结束。
• 评论字符（默认为'#'）
• 第一行是否为标题，包含字段名称。

Answer 3

var list = from row in System.IO.File.ReadLines("file.txt")
           let arr = row.Split('\t')
           select new Tuple<string, string, string>(arr[2], arr[12], arr[45]);

Answer 4

您可以使用File.ReadLines() 方法（如果您使用的是 .NET Framework 4.0 或更高版本）而不会降低性能，因为它不会将整个文件内容加载到内存中。

试试这个：

using System.IO;

class FileData
{
public string Column2{ get; set; }
public string Column12{ get; set; }
public string Column45{ get; set; }
}


List<FileData> filedata =  new List<FileData>();

 FileData temp = new FileData();
 foreach(var line in File.ReadLines("filepath.txt").Skip(1))
 {     
   var tempLine = line.Split('\t');
   temp.Column2 = tempLine[1];
   temp.Column12 = tempLine[11];
   temp.Column45 = tempLine[44]; 
   filedata.Add(temp);
 }

Answer 5

只需读取文件的所有行，然后按制表符分隔，即可访问每一列。

   var fileArray = File.ReadAllLines(myLocation);
    
        for(int i=0;i<fileArray.Length;i++)
        {
           var line=fileArray[i];

           if (i == 0)
           {  
              //handle column names
           }
           else
           {
             var columns = line.Split('\t');
             string value = columns[3];
           }
        }

Answer 6

正如 Nicholas 所说，不要自己动手，因为有细微之处和特殊情况。

一个选项是TextFieldParser。

using (var parser = new TextFieldParser(filePath))
{
    parser.TextFieldType = FieldType.Delimited;
    parser.SetDelimiters("\t");

    while (!parser.EndOfData)
    {
        var cols = parser.ReadFields();
        // Can now access columns, eg cols[0]
    }
}