如何使用 C# 处理 CSV 文件中的换行符？

Question

我有一个 Excel 电子表格正在 C# 中转换为 CSV 文件，但在处理换行符时遇到问题。例如：

"John","23","555-5555"

"Peter","24","555-5
555"

"Mary,"21","555-5555"

当我阅读 CSV 文件时，如果记录不是以双引号 (") 开头，则错误地存在换行符，我必须将其删除。我有一些来自互联网的 CSV 阅读器类，但我是担心他们会在换行时失败。

我应该如何处理这些换行符？

---

非常感谢大家的帮助。

这是我到目前为止所做的。我的记录有固定的格式，都以

开头

JTW;...;....;...;

JTW;...;...;....

JTW;....;...;..

..;...;... (wrong record, line break inserted)

JTW;...;...

所以我在每一行的 [3] 位置检查了;。如果是真的，我会写；如果为假，我将在最后一个（删除换行符）追加

我现在遇到了问题，因为我将文件保存为 txt。

顺便说一句，我通过在 Excel 中另存为 csv 将 Excel 电子表格转换为 csv。但我不确定客户是否这样做。

所以作为 TXT 的文件是完美的。我检查了记录和总数。但现在我必须将它转换回 csv，我真的很想在程序中这样做。有人知道怎么做吗？

这是我的代码：

namespace EditorCSV
{
    class Program
    {
        static void Main(string[] args)
        {
            ReadFromFile("c:\\source.csv");
        }

        static void ReadFromFile(string filename)
        {
            StreamReader SR;
            StreamWriter SW;
            SW = File.CreateText("c:\\target.csv");
            string S;
            char C='a';
            int i=0;
            SR=File.OpenText(filename);
            S=SR.ReadLine();
            SW.Write(S);
            S = SR.ReadLine();
            while(S!=null)
            {
                try { C = S[3]; }
                catch (IndexOutOfRangeException exception){
                    bool t = false;
                    while (t == false)
                    {
                        t = true;
                        S = SR.ReadLine();
                        try { C = S[3]; }
                        catch (IndexOutOfRangeException ex) { S = SR.ReadLine(); t = false; }

                    }
                }
                if( C.Equals(';'))
                {
                    SW.Write("\r\n" + S);
                    i = i + 1;
                }
                else
                {
                    SW.Write(S);

                }
                S=SR.ReadLine();
            }
            SR.Close();
            SW.Close();
            Console.WriteLine("Records Processed: " + i.ToString() + " .");
            Console.WriteLine("File Created SucacessFully");
            Console.ReadKey();


        }

    }
} 

Answer 1

CSV 具有预定义的处理方式。该站点提供了对标准way to handle all the caveats of CSV 的易于阅读的说明。

尽管如此，确实没有理由不使用可靠的开源库来读写 CSV 文件以避免犯非标准错误。 LINQtoCSV 是我最喜欢的库。它以干净简单的方式支持阅读和写作。

或者，this SO question on CSV libraries 将为您提供最受欢迎的选择列表。

Answer 2

不要检查当前行是否缺少 (") 作为第一个字符，而是检查最后一个字符是否是 (")。如果不是，你知道你有一个换行符，你可以读取下一行并将其合并在一起。

我假设您的示例数据是准确的 - 字段用引号括起来。如果引号可能无法分隔文本字段（或以某种方式在非文本数据中找到换行符），那么所有赌注都将失败！

Answer 3

.NET 中有一个读取 CSV 文件的内置方法（需要添加 Microsoft.VisualBasic 程序集参考）：

public static IEnumerable<string[]> ReadSV(TextReader reader, params string[] separators)
{
    var parser = new Microsoft.VisualBasic.FileIO.TextFieldParser(reader);
    parser.SetDelimiters(separators);
    while (!parser.EndOfData)
        yield return parser.ReadFields();
}

如果您要处理非常大的文件，这个 CSV 阅读器声称是您能找到的最快的阅读器：http://www.codeproject.com/Articles/9258/A-Fast-CSV-Reader

Answer 4

我最近使用这段代码来解析 CSV 文件中的行（这是一个简化版本）：

private void Parse(TextReader reader)
    {
        var row = new List<string>();
        var isStringBlock = false;
        var sb = new StringBuilder();

        long charIndex = 0;
        int currentLineCount = 0;

        while (reader.Peek() != -1)
        {
            charIndex++;

            char c = (char)reader.Read();

            if (c == '"')
                isStringBlock = !isStringBlock;

            if (c == separator && !isStringBlock) //end of word
            {
                row.Add(sb.ToString().Trim()); //add word
                sb.Length = 0;
            }
            else if (c == '\n' && !isStringBlock) //end of line
            {
                row.Add(sb.ToString().Trim()); //add last word in line
                sb.Length = 0;

                //DO SOMETHING WITH row HERE!

                currentLineCount++;

                row = new List<string>();
            }
            else
            {
                if (c != '"' && c != '\r') sb.Append(c == '\n' ? ' ' : c);
            }
        }

        row.Add(sb.ToString().Trim()); //add last word

        //DO SOMETHING WITH LAST row HERE!
    }

Answer 5

试试CsvHelper（我维护的一个库）。它忽略空行。我相信您可以在 FastCsvReader 中设置一个标志，让它也处理空行。

Answer 6

也许您可以在 ReadLine() 期间计算 (")。如果它们是奇数，则会引发标志。您可以忽略这些行，或者获取接下来的两行并消除第一个 "\n" 出现合并线。

Answer 7

由于这个问题，我通常做的是逐个字符而不是逐行阅读文本。

当您阅读每个字符时，您应该能够弄清楚每个单元格的开始和停止位置，以及行和单元格中的换行符之间的区别：如果我没记错的话，无论如何对于 Excel 生成的文件，行以\r\n开头，单元格中的换行符只有\r。

Answer 8

听取专家的建议和Don't roll your own CSV parser。

您的第一个想法是，“如何处理换行符？”

您的下一个想法是，“我需要处理引号内的逗号。”

你的下一个想法是，“哦，废话，我需要处理引号内的引号。转义引号。双引号。单引号......”

这是一条通往疯狂的道路。不要自己写。找到一个具有广泛单元测试覆盖率的库，该库涵盖了所有困难的部分，并为你经历了地狱。对于 .NET，请使用 free FileHelpers library。

Answer 9

有一个示例解析器是 c#，它似乎可以正确处理您的情况。然后，您可以读取数据并在读取后清除换行符。 Part 2 是解析器，有一个 Part 1 覆盖了编写器部分。

Answer 10

阅读该行。
拆分为列（字段）。
如果每行预期有足够的列，则进行处理。
如果没有，请阅读下一行，并捕获剩余的列，直到获得所需的内容。
重复。

Answer 11

可以在每一行上使用一个稍微简单的正则表达式。当它匹配时，您处理匹配中的每个字段。如果找不到匹配项，则跳过该行。

正则表达式可能看起来像这样。

Match match = Regex.Match(line, @"^(?:,?(?<q>['"](?<field>.*?\k'q')|(?<field>[^,]*))+$");
if (match.Success)
{
  foreach (var capture in match.Groups["field"].Captures)
  {
    string fieldValue = capture.Value;
    // Use the value.
  }
}

Answer 12

看看FileHelpers Library 它支持读\写带有换行符的CSV以及读\写到excel

Answer 13

LINQy 解决方案：

string csvText = File.ReadAllText("C:\\Test.txt");

var query = csvText
    .Replace(Environment.NewLine, string.Empty)
    .Replace("\"\"", "\",\"").Split(',')
    .Select((i, n) => new { i, n }).GroupBy(a => a.n / 3);

Answer 14

您还可以在 NuGet 上查看我的 CSV 解析器 SoftCircuits.CsvParser。它不仅会解析 CSV 文件，而且——如果需要的话——还可以自动将列值映射到您的类属性。它的运行速度比 CsvHelper 快近四倍。

Answer 15

要在 CSV 中存在换行符，必须有一个未闭合的打开双引号。 假设所有 CSV 单元格必须打开和关闭双引号，只需检查是否有奇数个引号

my_string.Count(c => c == '"') % 2 == 1

如果是这样，请继续阅读，直到找到偶数。