C语言读取写入CSV文件 [三] 进阶篇——读取CSV文件
![C语言读取写入CSV文件 [三] 进阶篇——读取CSV文件](https://img2022.cnblogs.com/blog/1200284/202202/1200284-20220204113743632-939281029.png)
本系列介绍了如何利用C语言读取写入CSV文件，本篇是系列的第二篇，介绍了利用C语言读取CSV文件的进阶内容，包括如何处理读取得到的数据、利用结构体保存数据、识别被包裹的字段、处理字段开头和结尾处的空格和制表符、应对其他分隔符、和介绍了现有的一个支持读取CSV的库。
本系列文章目录
处理读取得到的数据
在基础篇中，仅仅是将数据读取出来然后输出，并未将其转换为相应的数据类型。对于整数，我们可以使用 atoi()、atol()、atoll() 函数分别将字符串转换为 int、long、long long类型；对于浮点数，我们可以使用 atof() 函数将字符串转换为 double 类型；而对于字符串，我们只需要使用 strdup() 进行复制一下即可。
利用结构体来保存数据
在同一个 CSV 中的数据是具有相关性的，因此最好的方式是将构建一个结构体，利用结构体的成员来记录CSV文件不同列的数据。例如 CSV 文件内容如下：
ID,Name,Points
1,qwe,1.1
2,asd,2.200000
可以用如下的结构体进行记录：
struct student {
int id;
char *name;
double point;
};
结合上一小节处理读取得到的数据，那么最后的代码如下：
点击查看3-1.c完整代码
// 3-1.c
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
char* get_field(char *line, int num);
char* remove_quoted(char *str);
struct student {
int id;
char *name;
double point;
};
void print_student_info(struct student *stu);
int main()
{
FILE *fp = fopen("tmp.csv", "r");
if (fp == NULL) {
fprintf(stderr, "fopen() failed.\n");
exit(EXIT_FAILURE);
}
char row[80];
char *token;
fgets(row, 80, fp);
char *header_1 = get_field(strdup(row), 1);
char *header_2 = get_field(strdup(row), 2);
char *header_3 = get_field(strdup(row), 3);
printf("%s\t%s\t%s", header_1, header_2, header_3);
char *tmp;
struct student stu;
while (fgets(row, 80, fp) != NULL) {
tmp = get_field(strdup(row), 1);
stu.id = atoi(tmp);
tmp = get_field(strdup(row), 2);
stu.name = strdup(tmp);
tmp = get_field(strdup(row), 3);
stu.point = atof(tmp);
print_student_info(&stu);
}
fclose(fp);
return 0;
}
char* get_field(char *line, int num)
{
char *tok;
tok = strtok(line, ",");
for (int i = 1; i != num; i++) {
tok = strtok(NULL, ",");
}
char *result = remove_quoted(tok);
return result;
}
char* remove_quoted(char *str)
{
int length = strlen(str);
char *result = malloc(length + 1);
int index = 0;
for (int i = 0; i < length; i++) {
if (str[i] != '\"') {
result[index] = str[i];
index++;
}
}
result[index] = '\0';
return result;
}
void print_student_info(struct student *stu)
{
printf("%d\t%s\t%f\n", stu->id, stu->name, stu->point);
}
运行上述代码得到的结果如下：
$ clang 3-1.c -o 3-1
$ ./3-1
ID Name Points
1 qwe 1.100000
2 asd 2.200000
识别被包裹的字段
在[二] 进阶篇——写入CSV中提到过包裹的概念，包裹的主要作用是为了能够让字段中包含一些特殊字符（如逗号、双引号等）。下面用包裹的字段中含有分隔符即逗号为例，来讲解如何识别被包裹的字段。
因为被包裹的字段中存在逗号，若再用 strtok() 函数来进行解析，则会将包裹的字段截断。因此处理方式应该为逐个去遍历字符串，当出现双引号(")时，作一个标记，直到再遇到下一个双引号时取消标记。编写了一个名为 char** get_field_arr(char *line) 的解析函数，返回的是一个字符串数组。在只给定某行CSV的字符串时，无法确定其存在的字段数量，进而无法分配合适的空间供保存结果，因此还需要另一个 int count_field(char *line) 函数来计算的字段数量。
处理字段开头和结尾处的空格和制表符
在本文中，我们采用 RFC 4180 标准中的规定，需要保留字段开头和结尾处的空格和制表符，具体实现上比不保留这些字符容易很多，只需要把空格和制表符视为普通的字符一样，进行保存即可。最后的代码如下：
点击查看3-2.c完整代码
// 3-2.c
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
int count_field(const char *line);
char** get_field_arr(const char *line);
struct student {
int id;
char *name;
double point;
};
void print_student_info(struct student *stu);
int main()
{
const char *line = " \"4\",def,\"4.4\" \0";
int count = count_field(line);
char **result = get_field_arr(line);
printf("--- Parse line result ---\n");
for (int i = 0; i < count; i++) {
printf("result[%d] = %s\n", i, result[i]);
}
struct student stu;
stu.id = atoi(result[0]);
stu.name = strdup(result[1]);
stu.point = atof(result[2]);
print_student_info(&stu);
return 0;
}
int count_field(const char *line) {
const char *p_line = line;
int count = 1, is_quoted = 0;
for (; *p_line != '\0'; p_line++) {
if (is_quoted) {
if (*p_line == '\"') {
if (p_line[1] == '\"') {
p_line++;
continue;
}
is_quoted = 0;
}
continue;
}
switch(*p_line) {
case '\"':
is_quoted = 1;
continue;
case ',':
count++;
continue;
default:
continue;
}
}
if (is_quoted) {
return -1;
}
return count;
}
char** get_field_arr(const char *line) {
int count = count_field(line);
if (count == -1) {
return NULL;
}
char **buf = malloc(sizeof(char*) * (count+1));
if (buf == NULL) {
return NULL;
}
char **pbuf = buf;
char *tmp = malloc(strlen(line)+1);
if (tmp == NULL) {
free(buf);
return NULL;
}
*tmp = '\0';
char *ptmp = tmp;
const char *p_line = line;
int is_quoted = 0, is_end = 0;
for (; ; p_line++) {
if (is_quoted) {
if (*p_line == '\0') {
break;
}
if (*p_line == '\"') {
if (p_line[1] == '\"') {
*ptmp++ = '\"';
p_line++;
continue;
}
is_quoted = 0;
}
else {
*ptmp++ = *p_line;
}
continue;
}
switch(*p_line) {
case '\"':
is_quoted = 1;
continue;
case '\0':
is_end = 1;
case ',':
*ptmp = '\0';
*pbuf = strdup(tmp);
if (*pbuf == NULL) {
for (pbuf--; pbuf >= buf; pbuf--) {
free(*pbuf);
}
free(buf);
free(tmp);
return NULL;
}
pbuf++;
ptmp = tmp;
if (is_end) {
break;
} else {
continue;
}
default:
*ptmp++ = *p_line;
continue;
}
if (is_end) {
break;
}
}
*pbuf = NULL;
free(tmp);
return buf;
}
void print_student_info(struct student *stu)
{
printf("--- Student info ---\n");
printf("%d\t%s\t%f\n", stu->id, stu->name, stu->point);
}
代码的运行结果如下所示：
$ clang 3-2.c -o 3-2
$ ./3-2
--- Parse line result ---
result[0] = 4
result[1] = def
result[2] = 4.4
--- Student info ---
4 def 4.400000
其他分隔符
在[二] 进阶篇——写入CSV中的最后，也提到在某些国家的CSV文件中，可能会使用分号(;)来作为分隔符，那么我们在解析CSV时只需要把原本判断逗号(,)的语句改变为分号(;)即可
使用库
最后，解析CSV文件更好地策略是使用别人已经写好的库，不要重复发明轮子！例如libcsv，其就是使用纯 ANSI C 写成的库，具体的安装方式可参考其主页，使用方式可以通过阅读其手册来进行了解，此处不再赘述。
如果想要了解偏基础的 C 语言读取写入 CSV 文件的内容，欢迎阅读：[一] 基础篇
如果想要了解进阶的 C 语言写入 CSV 文件的内容，欢迎阅读：[二] 进阶篇——写入CSV
