如何在 PHP 中检测字符串中的分隔符？

Question

我很好奇如果你有一个字符串你会如何检测分隔符？

我们知道php可以使用explode()来分割字符串，这需要一个分隔符参数。

但是在将分隔符发送到爆炸函数之前检测分隔符的方法怎么样？

现在我只是将字符串输出给用户，然后他们输入分隔符。没关系，但我正在寻找适合我的模式识别应用程序。

我应该在字符串中寻找正则表达式来进行这种类型的模式识别吗？

编辑：我最初未能指定可能存在一组预期的分隔符。 CSV 中可能使用的任何分隔符。因此从技术上讲，任何人都可以使用任何字符来分隔 CSV 文件，但更有可能使用以下字符之一：逗号、分号、竖线和空格。

编辑2：这是我为“确定的分隔符”提出的可行解决方案。

$get_images = "86236058.jpg 86236134.jpg 86236134.jpg";

    //Detection of delimiter of image filenames.
        $probable_delimiters = array(",", " ", "|", ";");

        $delimiter_count_array = array(); 

        foreach ($probable_delimiters as $probable_delimiter) {

            $probable_delimiter_count = substr_count($get_images, $probable_delimiter);
            $delimiter_count_array[$probable_delimiter] = $probable_delimiter_count;

        }

        $max_value = max($delimiter_count_array);
        $determined_delimiter_array = array_keys($delimiter_count_array, max($delimiter_count_array));

        while( $element = each( $determined_delimiter_array ) ){
        $determined_delimiter_count = $element['key'];
        $determined_delimiter = $element['value'];
        }

        $images = explode("{$determined_delimiter}", $get_images);

Answer 1

我想说这在 99.99% 的情况下都有效:)
基本思想是，有效分隔符的数量应该逐行相同。
该脚本计算所有行之间的分隔符计数差异。
差异越小意味着分隔符越可能有效。

将所有这些放在一起，该函数读取行并将其作为数组返回：

function readCSV($fileName)
{
    //detect these delimeters
    $delA = array(";", ",", "|", "\t");
    $linesA = array();
    $resultA = array();

    $maxLines = 20; //maximum lines to parse for detection, this can be higher for more precision
    $lines = count(file($fileName));
    if ($lines < $maxLines) {//if lines are less than the given maximum
        $maxLines = $lines;
    }

    //load lines
    foreach ($delA as $key => $del) {
        $rowNum = 0;
        if (($handle = fopen($fileName, "r")) !== false) {
            $linesA[$key] = array();
            while ((($data = fgetcsv($handle, 1000, $del)) !== false) && ($rowNum < $maxLines)) {
                $linesA[$key][] = count($data);
                $rowNum++;
            }

            fclose($handle);
        }
    }

    //count rows delimiter number discrepancy from each other
    foreach ($delA as $key => $del) {
        echo 'try for key=' . $key . ' delimeter=' . $del;
        $discr = 0;
        foreach ($linesA[$key] as $actNum) {
            if ($actNum == 1) {
                $resultA[$key] = 65535; //there is only one column with this delimeter in this line, so this is not our delimiter, set this discrepancy to high
                break;
            }

            foreach ($linesA[$key] as $actNum2) {
                $discr += abs($actNum - $actNum2);
            }

            //if its the real delimeter this result should the nearest to 0
            //because in the ideal (errorless) case all lines have same column number
            $resultA[$key] = $discr;
        }
    }

    var_dump($resultA);

    //select the discrepancy nearest to 0, this would be our delimiter
    $delRes = 65535;
    foreach ($resultA as $key => $res) {
        if ($res < $delRes) {
            $delRes = $res;
            $delKey = $key;
        }
    }

    $delimeter = $delA[$delKey];

    echo '$delimeter=' . $delimeter;

    //get rows
    $row = 0;
    $rowsA = array();
    if (($handle = fopen($fileName, "r")) !== false) {
        while (($data = fgetcsv($handle, 1000, $delimeter)) !== false) {
            $rowsA[$row] = Array();
            $num = count($data);
            for ($c = 0; $c < $num; $c++) {
                $rowsA[$row][] = trim($data[$c]);
            }
            $row++;
        }
        fclose($handle);
    }

    return $rowsA;
}

Answer 2

我有同样的问题，我正在处理来自不同数据库的大量 CSV，不同的人以不同的方式提取到 CSV，有时对于同一数据集每次都不同......在我的转换库中简单地实现了这样的函数班级

protected function detectDelimiter() {
    $handle = @fopen($this->CSVFile, "r");
    if ($handle) {
        $line=fgets($handle, 4096);
        fclose($handle);            

        $test=explode(',', $line);
        if (count($test)>1) return ',';

        $test=explode(';', $line);
        if (count($test)>1) return ';';

        //.. and so on
    }
    //return default delimiter
    return $this->delimiter;
}

Answer 3

我做了这样的事情：

$line = fgetcsv($handle, 1000, "|");
if (isset($line[1]))
    {
    echo "delimiter is: |";
    $delimiter="|";
    }
    else
    {
    $line1 = fgetcsv($handle, 1000, ";");
    if (isset($line1[1]))
        {
        echo "delimiter is: ;";
        $delimiter=";";
        }
        else
        {
        echo "delimiter is: ,";
        $delimiter=",";
        }
    }

这只是检查读取一行后是否有第二列。

Answer 4

我有同样的问题。我的系统将从客户端接收 CSV 文件，但它可以使用“;”、“”或“”作为分隔符，我希望改进系统，这样客户端就不必知道哪个是（他们从来不知道）。

我搜索并找到了这个库：
https://github.com/parsecsv/parsecsv-for-php

非常好便于使用。

Answer 5

确定您认为可能的分隔符（例如 、、; 和 |）以及每次搜索它们在字符串中出现的频率 (substr_count）。然后选择出现次数最多的一个作为分隔符并分解。

尽管这可能不是万无一失的，但它在大多数情况下都应该有效;)