如何使用boost::spirit解析csv

有关解析（可选）引号分隔字段的背景信息，包括不同的引号字符（'、"），请参阅此处：

• 使用boost:：spirit分析带引号的字符串

对于非常、非常完整的示例，包括对部分引用的值和的支持

splitInto(input, output, ' ');

方法，该方法采用"任意"输出容器和分隔符表达式，请参见此处：

• 如何使我的拆分只在一个真正的行上工作，并能够跳过字符串的引用部分

解决您的确切问题，假设有引号的或未引号的字段（字段值内没有部分引号），使用Spirit V2:

让我们采用最简单的可能起作用的"抽象数据类型"：

using Column  = std::string;
using Columns = std::vector<Column>;
using CsvLine = Columns;
using CsvFile = std::vector<CsvLine>;

重复的双引号转义了双引号语义（正如我在评论中指出的），您应该能够使用以下内容：

static const char colsep = ',';
start  = -line % eol;
line   = column % colsep;
column = quoted | *~char_(colsep);
quoted = '"' >> *("""" | ~char_('"')) >> '"';

以下完整的测试程序打印

[1997][Ford][E350][ac, abs, moon][rusty][3001.00]

（请注意BOOstrongPIRIT_DEBUG的定义便于调试）。查看Coliru直播

完整演示

//#define BOOST_SPIRIT_DEBUG
#include <boost/spirit/include/qi.hpp>
namespace qi = boost::spirit::qi;
using Column  = std::string;
using Columns = std::vector<Column>;
using CsvLine = Columns;
using CsvFile = std::vector<CsvLine>;
template <typename It>
struct CsvGrammar : qi::grammar<It, CsvFile(), qi::blank_type>
{
    CsvGrammar() : CsvGrammar::base_type(start)
    {
        using namespace qi;
        static const char colsep = ',';
        start  = -line % eol;
        line   = column % colsep;
        column = quoted | *~char_(colsep);
        quoted = '"' >> *("""" | ~char_('"')) >> '"';
        BOOST_SPIRIT_DEBUG_NODES((start)(line)(column)(quoted));
    }
  private:
    qi::rule<It, CsvFile(), qi::blank_type> start;
    qi::rule<It, CsvLine(), qi::blank_type> line;
    qi::rule<It, Column(),  qi::blank_type> column;
    qi::rule<It, std::string()> quoted;
};
int main()
{
    const std::string s = R"(1997,Ford,E350,"ac, abs, moon","""rusty""",3001.00)";
    auto f(begin(s)), l(end(s));
    CsvGrammar<std::string::const_iterator> p;
    CsvFile parsed;
    bool ok = qi::phrase_parse(f,l,p,qi::blank,parsed);
    if (ok)
    {
        for(auto& line : parsed) {
            for(auto& col : line)
                std::cout << '[' << col << ']';
            std::cout << std::endl;
        }
    } else
    {
        std::cout << "Parse failedn";
    }
    if (f!=l)
        std::cout << "Remaining unparsed: '" << std::string(f,l) << "'n";
}

Sehe的帖子看起来比我的干净一点，但我把它放在一起有一段时间了，所以它在这里：

#include <boost/tokenizer.hpp>
#include <boost/spirit/include/qi.hpp>
namespace qi = boost::spirit::qi;
int main() {
    const std::string s = R"(1997,Ford,E350,"ac, abs, moon",""rusty"",3000.00)";
    // Tokenizer
    typedef boost::tokenizer< boost::escaped_list_separator<char> , std::string::const_iterator, std::string> Tokenizer;
    boost::escaped_list_separator<char> seps('', ',', '"');
    Tokenizer tok(s, seps);
    for (auto i : tok)
        std::cout << i << "n";
    std::cout << "n";
    // Boost Spirit Qi
    qi::rule<std::string::const_iterator, std::string()> quoted_string = '"' >> *(qi::char_ - '"') >> '"';
    qi::rule<std::string::const_iterator, std::string()> valid_characters = qi::char_ - '"' - ',';
    qi::rule<std::string::const_iterator, std::string()> item = *(quoted_string | valid_characters );
    qi::rule<std::string::const_iterator, std::vector<std::string>()> csv_parser = item % ',';
    std::string::const_iterator s_begin = s.begin();
    std::string::const_iterator s_end = s.end();
    std::vector<std::string> result;
    bool r = boost::spirit::qi::parse(s_begin, s_end, csv_parser, result);
    assert(r == true);
    assert(s_begin == s_end);
    for (auto i : result)
        std::cout << i << std::endl;
    std::cout << "n";
}   

这个输出：

1997
Ford
E350
ac, abs, moon
rusty
3000.00
1997
Ford
E350
ac, abs, moon
rusty
3000.00

值得注意的一点：这并没有实现完整的CSV解析器。您还需要研究转义符或实现所需的任何其他字符。

还有：如果您正在查看文档，请注意，在Qi中，'a'等效于boost::spirit::qi::lit('a')，"abc"等效于boost::spirit::qi::lit("abc")。

关于双引号：因此，正如Sehe在上面的评论中所指出的，目前还不清楚输入文本中围绕""的规则意味着什么。如果您希望不在带引号的字符串中的""的所有实例都转换为"，那么下面这样的操作就可以了。

qi::rule<std::string::const_iterator, std::string()> double_quote_char = """" >> qi::attr('"');
qi::rule<std::string::const_iterator, std::string()> item = *(double_quote_char | quoted_string | valid_characters );