制表符分隔文件中的引号

Question

我有一个简单的应用程序，它打开一个制表符分隔的文本文件，并将该数据插入数据库。

我正在使用此 CSV 阅读器来读取数据：http://www.codeproject。 com/KB/database/CsvReader.aspx

一切都工作得很好！

现在我的客户在文件末尾添加了一个新字段，即“ClaimDescription”，并且在其中一些索赔描述中，数据中包含引号，例如：

“SUMISEI MARU NO 2” - 日本海

这似乎给我的应用程序带来了很大的麻烦。我收到一个异常，如下所示：

CSV 似乎在位置“181”处的记录“1470”字段“26”附近已损坏。当前原始数据：...

在“原始数据”中，索赔描述字段确实显示了带引号的数据。

我想知道是否有人曾经遇到过这个问题，并且解决了？ 显然，我可以要求客户更改他们最初发送给我的数据，但这是他们用来生成制表符分隔文件的自动化过程；我宁愿用它作为最后的手段。

我想我可以事先使用标准 TextReader 打开文件，转义任何引号，将内容写回到新文件中，然后将该文件输入 CSV 阅读器。值得一提的是，这些制表符分隔文件的平均文件大小约为 40MB。

非常感谢任何帮助！

干杯，肖恩

Answer 1

检查 codeproject 文章中有关引用的评论：

http://www.codeproject.com/Messages/3382857/Re-Quotes-inside-of-the-Field.aspx

您需要在构造函数中指定您希望除 " 之外的另一个字符用作引号。

Answer 2

请改用 FileHelpers 库。它被广泛使用，可以处理带引号的字段或包含引号的字段。

Answer 3

我最近解决了一个类似的问题，虽然 CsvReader 在我的 TSV 文件中除了几行之外的所有行上都能正常工作，但最终解决我的问题的是在 CsvReader 的构造函数中设置一个 customDelimiter

public static void ParseTSV(string filepath)
    {
        using (CsvReader csvReader = new CsvReader(new StreamReader(filepath), true, '\t')) {
        //if that didn't work, passing unlikely characters into the other params might help
        //using (CsvReader csvReader = new CsvReader(new StreamReader(filepath), true, '\t', '~', '`', '~', ValueTrimmingOptions.None)) {
            int fieldcount = csvReader.FieldCount;

            //Does not work, since it's read only property
            //csvReader.Delimiter = "\t";

            string[] headers = csvReader.GetFieldHeaders();

            while (csvReader.ReadNextRecord()) {
                for (int i = 0; i < fieldcount; i++) {
                    string msg = String.Format("{0}\r{1};", headers[i],
                                               csvReader[i]);
                    Console.Write(msg);
                }
                Console.WriteLine();
            }
        }
    }

Answer 4

使用 OleDbConnection
http://social.msdn。 microsoft.com/Forums/en/winformsdatacontrols/thread/98fce7d7-b02d-4027-ad2e-2df3a28bd439

Answer 5

也许您可以使用应用程序打开该文件，并将每个引号替换为另一个字符，然后对其进行处理。

Answer 6

我做了一些搜索，有一个针对 CSV 文件的 RFC (RFC 4180)，这确实明确禁止他们正在做的事情：

每个字段可以用双引号括起来，也可以不用双引号括起来（但是
某些程序（例如 Microsoft Excel）不使用双引号
根本没有）。如果字段没有用双引号引起来，那么
双引号不能出现在字段内。

基本上，如果他们想这样做，他们需要将整个字段用引号引起来，如下所示：

,""SUMISEI MARU NO 2" - sea of Japan",

因此，如果您愿意，您可以将这个问题扔给他们，并坚持让他们向您发送“正确的”RFC 4180 CSV 文件。

由于您可以访问该 CSV 阅读器的源文件，因此另一个选择是修改它以处理它们向您提供的带引号的字符串类型。

这种情况正是为什么拥有对工具集的源代码访问权限至关重要的原因。

相反，如果您想在将文件提供给您的工具之前对其文件进行预处理（破解），则正确的方法是查找带有引号的字段，而不是紧邻分隔符前面或后面，并将其整个字段包含在另一组中的报价。

Answer 7

是的 - 经过一个深夜的红牛和挠头之后，我最终发现了问题，它是“Claim_Description”字段中的逗号。甚至没有考虑到这一点，因为我使用的是制表符分隔的文件，但是一旦我对文件中的所有逗号进行查找和替换，它就工作得非常好！

下一步是找出如何在处理之前替换这些逗号。

再次感谢您的所有建议。

干杯，肖恩