標準化CSV文件類型

我正在使用csv解析器類（http://code.google.com/p/php-csv-parser/）解析並從csv文件中提取數據。我遇到的問題是它只適用於某些csv文件類型。（似乎有一個csv類型的Mac，爲Ms-Dos和Windows。）標準化CSV文件類型

如果我使用csv文件保存在Mac（在Excel中）使用CSV - 窗口選項。但是，如果我將文件保存在Windows計算機上，就像csv一樣，那不起作用。（你可能會認爲這與在Mac上保存csv-windows的格式相同。）如果我將它保存爲csv-MSDOS文件，它可以在Windows機器上運行。這似乎有點荒謬。

有沒有一種方法來標準化這三種文件類型，以便我的代碼可以讀取上傳的任何類型的csv？

我想它會是這樣的：

$standardizedCSV = preg_replace_all('/\r[^\n]/', '\r\n', $csvContent);

我知道它是與每個文件類型如何處理行的結束，但我有點放出來試圖圖那些差異。如果有人有任何建議，請告訴我。

謝謝。

UPDATE：這是我使用的CSV解析器的相關代碼，由行中提取數據行：

$c = 0; 
$d = $this->settings['delimiter']; 
$e = $this->settings['escape']; 
$l = $this->settings['length']; 

$res = fopen($this->_filename, 'r'); 

while ($keys = fgetcsv($res, $l, $d, $e)) { 

if ($c == 0) { 
    $this->headers = $keys; 
} else { 
    array_push($this->rows, $keys); 
} 

$C++; 
}

我想我需要了解fgetcsv如何處理EOL的，這樣我可以做確保任何格式的csv文件都以相同的方式處理。

來源

2012-08-10 user1383418

更新我將csv解析器中的相關代碼添加到原始文章中，以便您可以看到它如何處理EOL。 – user1383418 2012-08-10 04:57:00

這似乎這樣的伎倆：

ini_set("auto_detect_line_endings", true);

問題是行尾，但我並不需要創建自己的EOL解析器。這個運行時設置爲我做。見http://us.php.net/manual/en/filesystem.configuration.php#ini.auto-detect-line-endings。

來源

2012-08-14 02:13:58 user1383418

我不認爲行結局是一個問題。關於CSV的事情是，它只是一個「逗號分隔值」文件，沒有被標準化。所以有些系統使用逗號分隔值，有些使用分號（;）。我確定有些變體甚至會使用其他值分隔符。

此外，轉義字符（通常是反斜槓\）在CSV文件中可能不同，某些CSV文件也在每個值周圍使用引號（"）。

CSV文件可以使用上述之間的任何變化。例如，我很確定Microsoft Excel導出的CSV文件使用分號分隔值，並且沒有引用任何值。

我確定有辦法自動檢測如何解析CSV文件，但最好的方法是讓用戶來決定。這就是Excel所做的。

來源

2012-08-10 05:22:27 Hubro

我認爲EOL的問題的原因是，當我的解析器運行一個不兼容的cvs類型（如上所述）時，$ csvparser-> headers變量記錄了整個文件 - 它不僅記錄第一排。合規的csv類型非常整潔地將標題存儲在$ this->標題和$ this->行的數據行中。因此，某種文件類型的EOL會以某種方式導致while循環迭代，而其他文件則不會。 – user1383418 2012-08-10 05:47:16

另外 - 當我在文本編輯器中並排查看兼容的和不兼容的csv文件類型時，它們與用逗號分隔值完全相同。（我正在使用BBEdit來做到這一點。）兩者之間的唯一區別是BBEdit指出兼容版本是'Windows（CRLF）'格式 - （這是在BBEdit窗口底部的下拉菜單中，我可以't'see'the EOLs but .. – user1383418 2012-08-10 05:56:35

如果使用CSV文件，您必須對許多細節達成一致的看法是不正確的規範：

行結束符（Unix的0X0A，蘋果0X0D，DOS 0X0D 0X0A）
字段分隔符（逗號，分號等）
字段引用（所有字段引用，只有字符串字段，只有包含字段和行分隔符）
逃逸字符串字段內雙引號（雙引號的倍增，反斜線字符之前雙引號等字符串字段）
多行字符串字段（是他們允許與否）
文件編碼（ISO-8859-1，UTF-8等）

如果你創建一個CSV閱讀器，可以自動處理不同行結尾的變化和字段引用。但其餘的必須事先知道CSV解析器。

事實上的標準是由Excel生成的CSV格式。但是，Excel使用格式的不同變化：

通常DOS行結尾（但我從來沒有使用Excel嘗試過爲Macintosh）
字段分隔符取決於區域設置。如果使用逗號將長數字中的數字分組，Excel將使用分號作爲字段分隔符。否則，逗號。
如果需要，Excel使用雙引號。
Excel將字符串字段中的雙引號加倍。
Excel支持多行字符串字段。
文件編碼似乎是當前語言環境的文件編碼。所以它有所不同。

來源

2012-08-10 05:57:45 Codo

謝謝你的詳細回覆。我沒有標準化行結束以符合DOS格式 - 0x0d 0x0a - 這適用於一個文件，但不適用於另一個文件。以不同的方式查看該文件是否可能不符合規範 - 它可能使用冒號而不是逗號來描述信息，例如，我會在早上看看，並報告回來，非常感謝。 – user1383418 2012-08-10 06:15:22

標準化CSV文件類型

回答

相關問題