問題タブ [delimiter]

ほとんどの場合、CSV ファイルは、レコードがカンマで区切られたテキスト ファイルです。ただし、これらのファイルはセミコロンで区切られている場合があります。(地域設定で小数点記号がコンマに設定されている場合、Excel は CSV を保存するときにセミコロン区切り記号を使用します。これはヨーロッパでは一般的です。参照: http://en.wikipedia.org/wiki/Comma-separated_values#Application_support )

私の質問は、コンマまたはセミコロンで区切られているかどうかをプログラムに推測させる最良の方法は何ですか?

たとえば、1,1;1,1 のような行はあいまいな場合があります。カンマ区切りで次のように解釈できます: 1 1;1 (文字列) 1

またはセミコロンで区切られた 1,1 1,1

これまでの私の最善の推測は、 と ; の両方でファイルを解析することです。最初の行 (通常はヘッダー行) と同じ長さの行が最も多い解析を選択します。両方の行数が同じ場合は、列数の多い方を選択します。これの主な欠点は、余分なオーバーヘッドです。

考え？

私はOCamlを学んでおり、命令型プログラミング言語（C、C ++、Java）で長年の経験がありますが、OCaml構文の宣言または式の間の区切り文字に問題があります。

基本的に;、式を連結するために使用する必要があることを理解しました。シーケンスによって返される値は、最後に使用された式の1つになるため、たとえば、

の値を返す式と見なされますexp3。これから始めて私は使うことができました

大丈夫ですよね？

ダブルセミコルはいつ使用するの;;ですか？正確にはどういう意味ですか？

構文エラーを回避するために使用しなければならない他の区切り文字はありますか？

例を挙げましょう：

構文エラーが発生します|が、理由がわかりません。何が欠けていますか？これは頻繁に発生する問題であり、突然機能するまでさまざまな解決策を試す必要があります：/

副次的な質問：let代わりにそれを宣言するとlet .. in、定義された後はいつでも続くvarバインディングが定義されますか？

私が基本的に尋ねるのは、私が使用しなければならない区切り文字と、それらをいつ使用しなければならないかということです。ocamlさらに、コンパイラの代わりにインタプリタを使用するときに考慮すべき違いがありますocamlc?

前もって感謝します！

私が使用しているソフトウェアは、可変数行の要約情報とそれに続く多くのタブ区切りデータを含むログファイルを生成します。要約情報を無視して、これらのログファイルからデータフレームにデータを読み込む関数を書き込もうとしています。要約情報にタブが含まれることはないため、次の機能が機能します。

ただし、これらのログファイルは非常に大きいため、ファイルを2回読み取るのは非常に遅くなります。確かにもっと良い方法がありますか？

追加するために編集：

マレクはtextConnectionオブジェクトの使用を提案しました。彼が答えで提案した方法は大きなファイルでは失敗しますが、次のように機能します。

再度編集：上記の機能をさらに改善してくれたMarekに感謝します。

私はJavaプログラミングに不慣れです。私は自分の車からのデータを相互作用させるために書いたプログラムを持っています。調理済みデータの代わりに生データを使用する際に問題が発生しています。

上記のコードは、「FileReader（fromFile）」のような入力データを使用する場合にうまく機能します。

しかし、生のコードの変換に問題があります。

したがって、基本的に、問題は、^ Mで新しいデータ行を作成するために、reader.readlineセットに行区切り文字が必要なことです。どうすればいいのかよくわかりません。

HTTP リンクと改行を含む文字列をループしようとしていますが、一度に 1 行ずつループしたいと考えています。

現時点で私が持っている

しかし、この方法では、ループの外側の TEST_STRING にアクセスできません。これが私が望んでいることです。文字列内の単語だけでなく、$HTTP_LINKS の各改行をループするように、while ループを使用しています。(IFS を \n に設定して for ループを使用したくありません)

たぶん私はこのようなことをすることができると思いました

しかしもちろん、 $HTTP_LINKS にはファイルへのリンクではなく文字列が含まれているため、これは機能しません。

1つの日時文字列でのみ1つのタイプの区切り文字を検証できる正規表現を作成する方法はありますか？

たとえば、2010年4月30日は正しいが、2010年4月30日は正しくありません。

私はグーグルでバックトラックについて何かを見つけましたが、それをどのように使用するかはよくわかりません。たとえば、この正規表現がある場合：

(?P<date>((31(?![\.\-\/\—\ \,\–\-]{1,2}(Feb(ruary)?|Apr(il)?|June?|(Sep(?=\b|t)t?|Nov)(ember)?)))|((30|29)(?![\.\-\/\—\ \,\–\-]{1,2}Feb(ruary)?))|(29(?=[\.\-\/\—\ \,\–\-]{1,2}Feb(ruary)?[\.\-\/\—\ \,\–\-]{1,2}(((1[6-9]|[2-9]\d)(0[48]|[2468][048]|[13579][26])|((16|[2468][048]|[3579][26])00)))))|(0?[1-9])|1\d|2[0-8])[\.\-\/\—\ \,\–\-]{1,2}(Jan(uary)?|Feb(ruary)?|Ma(r(ch)?|y)|Apr(il)?|Ju((ly?)|(ne?))|Aug(ust)?|Oct(ober)?|(Sep(?=\b|t)t?|Nov|Dec)(ember)?)[\.\-\/\—\ \,\–\-]{1,2}((1[6-9]|[2-9]\d)\d{2}))

では、ここでバックトラックをどのように使用するのでしょうか。

どうもありがとうございます。

Doctrineマニュアルで次のことを見つけました:

区切り識別子を使用できるからといって、それらを使用すべきであるとは限りません。一般に、それらは解決するよりもはるかに多くの問題を引き起こすことになります。いずれにせよ、フィールド名として予約語がある場合は必要になる場合があります (この場合、可能であれば変更することをお勧めします)。

境界を定めるとどのような問題が発生する可能性がありますか?

まず、このようにアップコンバートしたいのは珍しいと思いますが、ご容赦ください。これらのcsvファイルはWebサイトのエクスポートを介して取得し、他の形式で取得するオプションはありません。

さて、質問に移りましょう。

このプロセスを実行する古いコードがあります。基本的に各行を読み取り、,s間の各値を選択します。これは、私が変換したいくつかのサンプルではうまく機能しましたが、与えられたサンプルでの作業になると、いくつかの値が適切ではありませんでした。

Notepad ++でファイルを開いたところ、一部のセル自体にが含まれていることがわかりました,。"CSVファイルは、これらのセルをsで囲むことにより、これを回避します。以下の例を参照してください。

。

これはうまくいくでしょう：

John,Smith,johnsmith@email.com,burgers

ただし、これは次のことを行いません。

John,Smith,johnsmith@email.com,"burgers, french fries"

。

残念ながら、私のコード（String strar[] = thisLine.split(",");）は、一部のセルにコンマが含まれていることを考慮しておらず、それらを："burgersや。のような異なる列に分割しますfrench fries"。

。

"sで囲まれたテキストを2つの別々の値ではなく、単一の値として効率的に処理するようにプログラムを取得するにはどうすればよいですか？

。

私があなたたちのために何か他のものを片付けることができるかどうか私に知らせてください。

助けてくれてありがとう、

ユスティニアヌス

SSIS内から、{t}、{CR}、{LF}、および{CR}{LF}が行と列の区切り文字のドロップダウンに一覧表示されます。印刷できない文字に中括弧表記を使用している他の命名法があるかどうか疑問に思いましたか？私は成功せずに次のことを試みました：

{ベル}-ベル{b}-バックスペース{^^}-列区切り文字制御文字

javas NIOパッケージを使用してノンブロッキングサーバーを構築していますが、受信したデータの検証についていくつか質問があります。

ソケットチャネルでreadを呼び出すと、（ドキュメントに従って）読み取っているバイトバッファをいっぱいにしようとすることに気づきました。クライアントからサーバーに10バイトを送信すると、サーバーはそれらの10バイトをバイトバッファーに読み込み、バイトバッファーの残りのバイトはゼロのままになり、読み取り操作から返される数値はクライアントが10バイトしか書き込んでいないのに、バイトバッファのサイズ。

私が理解しようとしているのは、サーバーがソケットチャネルから読み取るときにクライアントがサーバーに送信したバイト数だけを取得する方法があるかどうかです（上記の場合、1024ではなく10）。

それがうまくいかない場合は、クライアントから実際に受信したすべてのデータを、「命令セットヘッダー」などと組み合わせて区切り文字を使用することで、バイトバッファに格納されているこの「過剰な」データから分離できることを知っていますが、そうではないようですこのように存在するはずなので、明らかな何かが欠けているだけなのか、それともこれができない低レベルの理由があるのか​​疑問に思う必要があります。

ありがとう ：）