Przezwyciężenie podstawowego problemu z parsowaniem CSV za pomocą klejnotu FasterCSV

Question

Znalazłem problem z analizą CSV w FasterCSV (1.5.0), który wydaje się być prawdziwym błędem, ale mam nadzieję, że istnieje obejście tego problemu.

Zasadniczo, dodanie spacji po separatorze (w moim przypadku przecinka), gdy pola są ujęte w cudzysłowy, generuje MalformedCSVError.

Oto prosty przykład:

# No quotes on fields -- works fine 
FasterCSV.parse_line("one,two,three") 
=> ["one", "two", "three"] 

# Quotes around fields with no spaces after separators -- works fine 
FasterCSV.parse_line("\"one\",\"two\",\"three\"") 
=> ["one", "two", "three"] 

# Quotes around fields but with a space after the first separator -- fails! 
FasterCSV.parse_line("\"one\", \"two\",\"three\"") 
=> FasterCSV::MalformedCSVError: Illegal quoting on line 1. 

będę zły, czy jest to błąd w FasterCSV?

Answer 1

Tutaj jest poprawna MalformedCSVError.

Miejsca początkowe/końcowe w formacie CSV nie są ignorowane, są uważane za część pola. Oznacza to, że uruchomiłeś pole z spacją, a następnie włączyłeś nieokreślone podwójne cudzysłowy w tym polu, co spowodowałoby błąd nielegalnego cytowania.

Może ta biblioteka jest po prostu bardziej rygorystyczna niż inne, z których korzystałeś.

Answer 2

Być może mógłbyś ustawić opcję: col_sep: opcja na ',', aby sparsować takie pliki.

Answer 3

Miałem nadzieję, że opcja :col_sep może zezwolić na wyrażenie regularne, ale wydaje się być używana zarówno do czytania, jak i pisania, co jest hańbą. documentation nie trzymać się wiele nadziei, a zapotrzebowanie jest prawdopodobnie bardziej bezpośredni niż mógłby być spełniony poprzez żądanie zmiany lub złożenie poprawki ;-)

Jeśli dzwonisz #parse_line wyraźnie, wtedy zawsze można zadzwonić

gsub(/,\s*/, ',') 

na linii wejściowej. To wyrażenie regularne może wymagać znacznej zmiany, jeśli przewiduje się możliwość przecinków w cytowanych ciągach. (Sugerowałbym, żeby tutaj zamieścić takie pytanie za pomocą odpowiedniego znacznika i pozwolić, żeby w tym przypadku luki RegEx były luźne).