问题描述
我正在尝试从CSV文件读取并将每个字段存储到结构内的变量中。我正在使用fgets和strtok来分隔每个字段。但是，我无法处理包含逗号在内的特殊字段。
typedef struct {
char name[20+1];
char surname[20+1];
char uniqueId[10+1];
char address[150+1];
} employee_t;
void readFile(FILE *fp,employee_t *employees[]){
int i=0;
char buffer[205];
char *tmp;
while (fgets(buffer,205,fp) != NULL) {
employee_t *new = (employee_t *)malloc(sizeof(*new));
tmp = strtok(buffer,",");
strcpy(new->name,tmp);
tmp = strtok(buffer,");
strcpy(new->surname,");
strcpy(new->uniqueId,tmp);
tmp = strtok(buffer,");
strcpy(new->address,tmp);
employees[i++] = new;
free(new);
}
}
输入如下：
Jim,Hunter,9239234245,"8/1 Hill Street,New Hampshire"
Jay,Rooney,92364434245,"122 McKay Street,Old Town"
Ray,Bundy,923912345,NOT SPECIFIED
我尝试使用此代码打印令牌，并且得到以下信息：
Jim
Hunter
9239234245
"8/1 Hill Street
New Hampshire"
我不确定如何处理地址字段，因为其中一些可能在其中包含逗号。我尝试逐个字符地读取字符，但不确定如何使用单个循环将字符串插入结构中。有人可以帮我一些解决方法吗？
解决方法
strcspn可用于查找双引号或双引号加逗号。
原始字符串未经修改，因此可以使用字符串文字。
双引号的位置不重要。它们可以在任何字段中。
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
int main( void) {
char *string[] = {
"Jim,Hunter,9239234245,\"8/1 Hill Street,New Hampshire\"","Jay,Rooney,92364434245,\"122 McKay Street,Old Town\"","Ray,Bundy,923912345,NOT SPECIFIED",\" double quote here\",NOT SPECIFIED"
};
for ( int each = 0; each < 4; ++each) {
char *token = string[each];
char *p = string[each];
while ( *p) {
if ( '\"' == *p) {//at a double quote
p += strcspn ( p + 1,"\"");//advance to next double quote
p += 2;//to include the opening and closing double quotes
}
else {
p += strcspn ( p,",\"");//advance to a comma or double quote
}
int span = ( int)( p - token);
if ( span) {
printf ( "token:%.*s\n",span,token);//print span characters
//copy to another array
}
if ( *p) {//not at terminating zero
++p;//do not skip consecutive delimiters
token = p;//start of next token
}
}
}
return 0;
}
编辑：复制到变量
计数器可用于跟踪字段的处理过程。
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#define SIZENAME 21
#define SIZEID 11
#define SIZEADDR 151
typedef struct {
char name[SIZENAME];
char surname[SIZENAME];
char uniqueId[SIZEID];
char address[SIZEADDR];
} employee_t;
int main( void) {
char *string[] = {
"Jim,\"quote\",NOT SPECIFIED"
};
employee_t *employees = malloc ( sizeof *employees * 4);
if ( ! employees) {
fprintf ( stderr,"problem malloc\n");
return 1;
}
for ( int each = 0; each < 4; ++each) {
char *token = string[each];
char *p = string[each];
int field = 0;
while ( *p) {
if ( '\"' == *p) {
p += strcspn ( p + 1,"\"");//advance to a delimiter
p += 2;//to include the opening and closing double quotes
}
else {
p += strcspn ( p,\"");//advance to a delimiter
}
int span = ( int)( p - token);
if ( span) {
++field;
if ( 1 == field) {
if ( span < SIZENAME) {
strncpy ( employees[each].name,token,span);
employees[each].name[span] = 0;
printf ( "copied:%s\n",employees[each].name);//print span characters
}
}
if ( 2 == field) {
if ( span < SIZENAME) {
strncpy ( employees[each].surname,span);
employees[each].surname[span] = 0;
printf ( "copied:%s\n",employees[each].surname);//print span characters
}
}
if ( 3 == field) {
if ( span < SIZEID) {
strncpy ( employees[each].uniqueId,span);
employees[each].uniqueId[span] = 0;
printf ( "copied:%s\n",employees[each].uniqueId);//print span characters
}
}
if ( 4 == field) {
if ( span < SIZEADDR) {
strncpy ( employees[each].address,span);
employees[each].address[span] = 0;
printf ( "copied:%s\n",employees[each].address);//print span characters
}
}
}
if ( *p) {//not at terminating zero
++p;//do not skip consceutive delimiters
token = p;//start of next token
}
}
}
free ( employees);
return 0;
}
在我看来，这种问题需要“适当的”令牌生成器，它可能基于有限状态机（FSM）。在这种情况下，您将逐字符扫描输入的字符串，并将每个字符分配给一个类。令牌生成器将以特定状态开始，并且根据所读取字符的类别，它可能保持相同状态，或移至新状态。也就是说，状态转换由当前状态和所考虑字符的组合来控制。
例如，如果在开始状态下阅读双引号，则将转换为“在带引号的字符串中”状态。在这种状态下，逗号不会导致转换为新状态-只会将其添加到您正在构建的令牌中。在任何其他状态下，逗号都具有特殊的意义，表示令牌的结尾。您必须弄清楚何时需要在标记之间添加额外的空格，是否存在一些“转义符”允许在其他标记中使用双引号，是否可以转义换行符更长的线，依此类推。
重要的一点是，如果您实现的是FSM（或其他真正的令牌生成器），则实际上您可以 考虑所有这些内容，并根据需要实现它们。如果您使用临时应用程序strtok（）和字符串搜索，则无论如何都不能以一种优雅，可维护的方式。
如果有一天，您最终需要使用宽字符来完成整个工作，那很容易-只需将输入转换为宽字符并一次将其迭代一个宽字符（而不是字节）即可。
使用状态转换图来记录FSM解析器的行为很容易-至少更容易通过以文本形式记录代码来解释它。
我的经验是，有人第一次实现FSM令牌生成器，这太可怕了。之后，这很容易。而且，当您知道该方法时，可以使用相同的技术来分析复杂性更高的输入。
,这是从记录中提取字段的另一种方法。
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
int main( void) {
char record[] = " Henry \"Doc\",Thomas,\"21 \"\"Hampston\"\" Road\"";
char *text = NULL;
char *tmp = NULL;
char *element = record;
int last = 0;
int current = 0;
int field = 0;
int word = 0;
int quote = 0;
int output = 0;
if ( ( tmp = realloc ( text,strlen ( element) + 1)) == NULL) {
fprintf ( stderr,"could not allocate memory\n");
return 1;
}
text = tmp;
*text = 0;
while ( *element) {//stop at zero that ends string
current = *element;//current character
switch ( *element) {
case ','://ends field
if ( quote) {//except inside quotes
break;
}
current = 0;//don't use current character
output = 1;//output the field
break;
case '\t':
case ' ':
if ( ! word) {//don't use whitespace at start of field
current = 0;//don't use current character
}
break;
case '\"':
quote = ! quote;
if ( '\"' == last) {
current = 0;//don't use current character
break;
}
default:
word = 1;
break;
}
if ( current) {
*tmp++ = *element;
*tmp = 0;
}
last = *element;
++element;
if ( output || ( ! *element && *text)) {
++field;
printf ( "field %d %s\n",field,text);
tmp = text;
*tmp = 0;
word = 0;
output = 0;
}
}
free ( text);
return 0;
}