Импортировать CSV-файл в строго типизированную структуру данных в .Net

Как лучше всего импортировать файл CSV в строго типизированную структуру данных?

Ответов (11)

Мне было скучно, поэтому я изменил кое-что, что написал. Он пытается инкапсулировать синтаксический анализ в объектно-ориентированном стиле, сокращая количество итераций через файл, он повторяется только один раз в верхней части foreach.

using System;

using System.Collections.Generic;

using System.Linq;

using System.Text;

using System.IO;

namespace ConsoleApplication1
{
    class Program
    {

        static void Main(string[] args)
        {

            // usage:

            // note this wont run as getting streams is not Implemented

            // but will get you started

            CSVFileParser fileParser = new CSVFileParser();

            // TO Do:  configure fileparser

            PersonParser personParser = new PersonParser(fileParser);

            List<Person> persons = new List<Person>();
            // if the file is large and there is a good way to limit
            // without having to reparse the whole file you can use a 
            // linq query if you desire
            foreach (Person person in personParser.GetPersons())
            {
                persons.Add(person);
            }

            // now we have a list of Person objects
        }
    }

    public abstract  class CSVParser 
    {

        protected String[] deliniators = { "," };

        protected internal IEnumerable<String[]> GetRecords()
        {

            Stream stream = GetStream();
            StreamReader reader = new StreamReader(stream);

            String[] aRecord;
            while (!reader.EndOfStream)
            {
                  aRecord = reader.ReadLine().Split(deliniators,
                   StringSplitOptions.None);

                yield return aRecord;
            }

        }

        protected abstract Stream GetStream(); 

    }

    public class CSVFileParser : CSVParser
    {
        // to do: add logic to get a stream from a file

        protected override Stream GetStream()
        {
            throw new NotImplementedException();
        } 
    }

    public class CSVWebParser : CSVParser
    {
        // to do: add logic to get a stream from a web request

        protected override Stream GetStream()
        {
            throw new NotImplementedException();
        }
    }

    public class Person
    {
        public String Name { get; set; }
        public String Address { get; set; }
        public DateTime DOB { get; set; }
    }

    public class PersonParser 
    {

        public PersonParser(CSVParser parser)
        {
            this.Parser = parser;
        }

        public CSVParser Parser { get; set; }

        public  IEnumerable<Person> GetPersons()
        {
            foreach (String[] record in this.Parser.GetRecords())
            {
                yield return new Person()
                {
                    Name = record[0],
                    Address = record[1],
                    DOB = DateTime.Parse(record[2]),
                };
            }
        }
    }
}

Я ввел какой-то код. Результат в средстве просмотра данных выглядел хорошо. Он анализирует одну строку текста в массив объектов.

    enum quotestatus
    {
        none,
        firstquote,
        secondquote
    }
    public static System.Collections.ArrayList Parse(string line,string delimiter)
    {        
        System.Collections.ArrayList ar = new System.Collections.ArrayList();
        StringBuilder field = new StringBuilder();
        quotestatus status = quotestatus.none;
        foreach (char ch in line.ToCharArray())
        {                                
            string chOmsch = "char";
            if (ch == Convert.ToChar(delimiter))
            {
                if (status== quotestatus.firstquote)
                {
                    chOmsch = "char";
                }                         
                else
                {
                    chOmsch = "delimiter";                    
                }                    
            }

            if (ch == Convert.ToChar(34))
            {
                chOmsch = "quotes";           
                if (status == quotestatus.firstquote)
                {
                    status = quotestatus.secondquote;
                }
                if (status == quotestatus.none )
                {
                    status = quotestatus.firstquote;
                }
            }

            switch (chOmsch)
            {
                case "char":
                    field.Append(ch);
                    break;
                case "delimiter":                        
                    ar.Add(field.ToString());
                    field.Clear();
                    break;
                case "quotes":
                    if (status==quotestatus.firstquote)
                    {
                        field.Clear();                            
                    }
                    if (status== quotestatus.secondquote)
                    {                                                                           
                            status =quotestatus.none;                                
                    }                    
                    break;
            }
        }
        if (field.Length != 0)            
        {
            ar.Add(field.ToString());                
        }           
        return ar;
    }

Брайан дает хорошее решение для преобразования его в строго типизированную коллекцию.

Большинство приведенных методов синтаксического анализа CSV не учитывают экранирование полей или некоторые другие тонкости файлов CSV (например, обрезку полей). Вот код, который я использую лично. Он немного грубоват и практически не содержит сообщений об ошибках.

public static IList<IList<string>> Parse(string content)
{
    IList<IList<string>> records = new List<IList<string>>();

    StringReader stringReader = new StringReader(content);

    bool inQoutedString = false;
    IList<string> record = new List<string>();
    StringBuilder fieldBuilder = new StringBuilder();
    while (stringReader.Peek() != -1)
    {
        char readChar = (char)stringReader.Read();

        if (readChar == '\n' || (readChar == '\r' && stringReader.Peek() == '\n'))
        {
            // If it's a \r\n combo consume the \n part and throw it away.
            if (readChar == '\r')
            {
                stringReader.Read();
            }

            if (inQoutedString)
            {
                if (readChar == '\r')
                {
                    fieldBuilder.Append('\r');
                }
                fieldBuilder.Append('\n');
            }
            else
            {
                record.Add(fieldBuilder.ToString().TrimEnd());
                fieldBuilder = new StringBuilder();

                records.Add(record);
                record = new List<string>();

                inQoutedString = false;
            }
        }
        else if (fieldBuilder.Length == 0 && !inQoutedString)
        {
            if (char.IsWhiteSpace(readChar))
            {
                // Ignore leading whitespace
            }
            else if (readChar == '"')
            {
                inQoutedString = true;
            }
            else if (readChar == ',')
            {
                record.Add(fieldBuilder.ToString().TrimEnd());
                fieldBuilder = new StringBuilder();
            }
            else
            {
                fieldBuilder.Append(readChar);
            }
        }
        else if (readChar == ',')
        {
            if (inQoutedString)
            {
                fieldBuilder.Append(',');
            }
            else
            {
                record.Add(fieldBuilder.ToString().TrimEnd());
                fieldBuilder = new StringBuilder();
            }
        }
        else if (readChar == '"')
        {
            if (inQoutedString)
            {
                if (stringReader.Peek() == '"')
                {
                    stringReader.Read();
                    fieldBuilder.Append('"');
                }
                else
                {
                    inQoutedString = false;
                }
            }
            else
            {
                fieldBuilder.Append(readChar);
            }
        }
        else
        {
            fieldBuilder.Append(readChar);
        }
    }
    record.Add(fieldBuilder.ToString().TrimEnd());
    records.Add(record);

    return records;
}

Обратите внимание, что это не обрабатывает крайний случай полей, которые не разделяются двойными кавычками, но имеют внутри заключенную в кавычки строку. См. Этот пост для лучшего расширения, а также некоторых ссылок на некоторые подходящие библиотеки.

Я согласен с @ NotMyself . FileHelpers хорошо протестирован и обрабатывает все виды крайних случаев, с которыми вам в конечном итоге придется иметь дело, если вы сделаете это самостоятельно. Взгляните на то, что делает FileHelpers, и напишите свое собственное только в том случае, если вы абсолютно уверены, что либо (1) вам никогда не понадобится обрабатывать крайние случаи, которые делает FileHelpers, либо (2) вы любите писать такие вещи и собираетесь будьте вне себя от радости, когда вам придется разбирать такие вещи:

1, «Билл», «Смит», «Супервайзер», «Без комментариев»

2, «Дрейк», «О'Мэлли», «Дворник»,

Ой, меня не цитируют и я на новой строчке!

На CodeProject есть две статьи, которые предоставляют код для решения: одна использует StreamReader, а другая импортирует данные CSV с помощью текстового драйвера Microsoft .

Хороший простой способ сделать это - открыть файл и прочитать каждую строку в массив, связанный список, структуру данных по вашему выбору. Однако будьте осторожны при работе с первой строкой.

Возможно, это над вашей головой, но, похоже, есть прямой способ получить к ним доступ с помощью строки подключения .

Почему бы не попробовать использовать Python вместо C# или VB? В нем есть хороший модуль CSV для импорта, который сделает всю тяжелую работу за вас.

Если вы можете гарантировать, что в данных нет запятых, то, вероятно, самым простым способом будет использование String.split .

Например:

String[] values = myString.Split(',');
myObject.StringField = values[0];
myObject.IntField = Int32.Parse(values[1]);

Могут быть библиотеки, которыми вы могли бы помочь, но это, вероятно, настолько просто, насколько это возможно. Просто убедитесь, что у вас не может быть запятых в данных, иначе вам нужно будет лучше проанализировать их.

Если вы ожидаете довольно сложных сценариев парсинга CSV, даже не думайте о развертывании нашего собственного парсера . Есть много отличных инструментов, таких как FileHelpers или даже от CodeProject .

Дело в том, что это довольно распространенная проблема, и вы можете поспорить, что многие разработчики программного обеспечения уже подумали и решили эту проблему.

Этим летом мне пришлось использовать парсер CSV в .NET для проекта, и я остановился на драйвере Microsoft Jet Text. Вы указываете папку с помощью строки подключения, а затем запрашиваете файл с помощью оператора SQL Select. Вы можете указать строгие типы с помощью файла schema.ini. Сначала я этого не делал, но потом я получал плохие результаты, когда тип данных не был очевиден сразу, например номера IP или запись типа «XYQ 3.9 SP1».

Одно ограничение, с которым я столкнулся, заключается в том, что он не может обрабатывать имена столбцов, длина которых превышает 64 символа; он усекает. Это не должно быть проблемой, за исключением того, что я имел дело с очень плохо спроектированными входными данными. Он возвращает набор данных ADO.NET.

Это было лучшее решение, которое я нашел. Я бы опасался развертывать свой собственный анализатор CSV, так как я, вероятно, пропустил бы некоторые из конечных случаев, и я не нашел никаких других бесплатных пакетов синтаксического анализа CSV для .NET.

РЕДАКТИРОВАТЬ: Кроме того, в каждом каталоге может быть только один файл schema.ini, поэтому я динамически добавлял к нему, чтобы строго ввести необходимые столбцы. Он будет строго печатать только указанные столбцы и делать выводы для любого неуказанного поля. Мне это очень понравилось, поскольку я имел дело с импортом жидкого CSV-файла с более чем 70 столбцами и не хотел указывать каждый столбец, а только некорректные.

Используйте соединение OleDB.

String sConnectionString = "Provider=Microsoft.Jet.OLEDB.4.0;Data Source=C:\\InputDirectory\\;Extended Properties='text;HDR=Yes;FMT=Delimited'";
OleDbConnection objConn = new OleDbConnection(sConnectionString);
objConn.Open();
DataTable dt = new DataTable();
OleDbCommand objCmdSelect = new OleDbCommand("SELECT * FROM file.csv", objConn);
OleDbDataAdapter objAdapter1 = new OleDbDataAdapter();
objAdapter1.SelectCommand = objCmdSelect;
objAdapter1.Fill(dt);
objConn.Close();

TextFieldParser от Microsoft является стабильным и соответствует RFC 4180 для файлов CSV. Не Microsoft.VisualBasic пугайтесь пространства имен; это стандартный компонент .NET Framework, просто добавьте ссылку на глобальную Microsoft.VisualBasic сборку.

If you're compiling for Windows (as opposed to Mono) and don't anticipate having to parse "broken" (non-RFC-compliant) CSV files, then this would be the obvious choice, as it's free, unrestricted, stable, and actively supported, most of which cannot be said for FileHelpers.

See also: How to: Read From Comma-Delimited Text Files in Visual Basic for a VB code example.