次の正規表現が csv 文字列を行ごとに分割できる場合。
var lines = csv.split(/\r|\r?\n/g);
CSV 値 (つまり、引用符/二重引用符の間) に含まれる改行文字をスキップするために、これをどのように適応させることができますか?
例:
2,"Evans & Sutherland","230-132-111AA",,"Visual","P
CB",,1,"Offsite",
表示されない場合は、改行が表示されたバージョンを次に示します。
2,"Evans & Sutherland","230-132-111AA",,"Visual","P\r\nCB",,1,"Offsite",\r\n
スキップしようとしている部分は、「PCB」エントリの途中に含まれる改行です。
アップデート:
これについてはおそらく前に述べたはずですが、これはjquery-csvと呼ばれる専用の CSV 解析ライブラリの一部です。より良いコンテキストを提供するために、現在のパーサーの実装を以下に追加しました。
エントリ (つまり 1 行) を検証および解析するためのコードは次のとおりです。
$.csvEntry2Array = function(csv, meta) {
var meta = (meta !== undefined ? meta : {});
var separator = 'separator' in meta ? meta.separator : $.csvDefaults.separator;
var delimiter = 'delimiter' in meta ? meta.delimiter : $.csvDefaults.delimiter;
// build the CSV validator regex
var reValid = /^\s*(?:D[^D\\]*(?:\\[\S\s][^D\\]*)*D|[^SD\s\\]*(?:\s+[^SD\s\\]+)*)\s*(?:S\s*(?:D[^D\\]*(?:\\[\S\s][^D\\]*)*D|[^SD\s\\]*(?:\s+[^SD\s\\]+)*)\s*)*$/;
reValid = RegExp(reValid.source.replace(/S/g, separator));
reValid = RegExp(reValid.source.replace(/D/g, delimiter));
// build the CSV line parser regex
var reValue = /(?!\s*$)\s*(?:D([^D\\]*(?:\\[\S\s][^D\\]*)*)D|([^SD\s\\]*(?:\s+[^SD\s\\]+)*))\s*(?:S|$)/g;
reValue = RegExp(reValue.source.replace(/S/g, separator), 'g');
reValue = RegExp(reValue.source.replace(/D/g, delimiter), 'g');
// Return NULL if input string is not well formed CSV string.
if (!reValid.test(csv)) {
return null;
}
// "Walk" the string using replace with callback.
var output = [];
csv.replace(reValue, function(m0, m1, m2) {
// Remove backslash from any delimiters in the value
if (m1 !== undefined) {
var reDelimiterUnescape = /\\D/g;
reDelimiterUnescape = RegExp(reDelimiterUnescape.source.replace(/D/, delimiter), 'g');
output.push(m1.replace(reDelimiterUnescape, delimiter));
} else if (m2 !== undefined) {
output.push(m2);
}
return '';
});
// Handle special case of empty last value.
var reEmptyLast = /S\s*$/;
reEmptyLast = RegExp(reEmptyLast.source.replace(/S/, separator));
if (reEmptyLast.test(csv)) {
output.push('');
}
return output;
};
注: まだテストしていませんが、おそらく最後の一致をメインの分割/コールバックに組み込むことができると思います。
これは、行ごとの分割部分を行うコードです。
$.csv2Array = function(csv, meta) {
var meta = (meta !== undefined ? meta : {});
var separator = 'separator' in meta ? meta.separator : $.csvDefaults.separator;
var delimiter = 'delimiter' in meta ? meta.delimiter : $.csvDefaults.delimiter;
var skip = 'skip' in meta ? meta.skip : $.csvDefaults.skip;
// process by line
var lines = csv.split(/\r\n|\r|\n/g);
var output = [];
for(var i in lines) {
if(i < skip) {
continue;
}
// process each value
var line = $.csvEntry2Array(lines[i], {
delimiter: delimiter,
separator: separator
});
output.push(line);
}
return output;
};
そのregesがどのように機能するかの内訳については、この回答をご覧ください。私のはわずかに適応したバージョンです。一重引用符と二重引用符の一致を統合して、1 つのテキスト区切り記号のみに一致するようにし、区切り記号/区切り記号を動的にしました。これはエントリを検証する素晴らしい仕事をしますが、上に追加した行分割ソリューションは非常に脆弱であり、上記で説明したエッジ ケースで機能しなくなります。
文字列をたどって有効なエントリを抽出する (エントリ パーサーに渡す) か、解析に失敗した行を示すエラーを返す不良データで失敗するソリューションを探しています。
アップデート:
splitLines: function(csv, delimiter) {
var state = 0;
var value = "";
var line = "";
var lines = [];
function endOfRow() {
lines.push(value);
value = "";
state = 0;
};
csv.replace(/(\"|,|\n|\r|[^\",\r\n]+)/gm, function (m0){
switch (state) {
// the start of an entry
case 0:
if (m0 === "\"") {
state = 1;
} else if (m0 === "\n") {
endOfRow();
} else if (/^\r$/.test(m0)) {
// carriage returns are ignored
} else {
value += m0;
state = 3;
}
break;
// delimited input
case 1:
if (m0 === "\"") {
state = 2;
} else {
value += m0;
state = 1;
}
break;
// delimiter found in delimited input
case 2:
// is the delimiter escaped?
if (m0 === "\"" && value.substr(value.length - 1) === "\"") {
value += m0;
state = 1;
} else if (m0 === ",") {
value += m0;
state = 0;
} else if (m0 === "\n") {
endOfRow();
} else if (m0 === "\r") {
// Ignore
} else {
throw new Error("Illegal state");
}
break;
// un-delimited input
case 3:
if (m0 === ",") {
value += m0;
state = 0;
} else if (m0 === "\"") {
throw new Error("Unquoted delimiter found");
} else if (m0 === "\n") {
endOfRow();
} else if (m0 === "\r") {
// Ignore
} else {
throw new Error("Illegal data");
}
break;
default:
throw new Error("Unknown state");
}
return "";
});
if (state != 0) {
endOfRow();
}
return lines;
}
必要なのは、ライン スプリッターの 4 つの状態だけです。
- 0: エントリの開始
- 1:以下引用
- 2: 2 番目の引用符が検出されました
- 3: 以下は引用されていません
ほぼ完全なパーサーです。私のユース ケースでは、CSV データを処理するためのより細かいアプローチを提供できるように、ライン スプリッターが必要でした。
注: このアプローチの功績は、彼の許可なしに公に名前を挙げない別の開発者に与えられます。私がしたことは、それを完全なパーサーからラインスプリッターに適合させることだけでした。
アップデート:
以前の lineSplitter 実装でいくつかの壊れたエッジ ケースを発見しました。提供されるものは、 RFC 4180に完全に準拠している必要があります。