提升精神解析 CSV,列顺序可变

boost spirit parsing CSV with columns in variable order

本文关键字:顺序 CSV      更新时间:2023-10-16

我正在尝试使用boost spirit解析CSV文件(带有标题行)。csv 不是恒定格式。有时有一些额外的列或列的顺序混合。我对几列感兴趣,其标题名称是众所周知的。

例如,我的 CSV 可能如下所示:

      姓名,姓氏,年龄约翰,多伊,32

或:

      年龄,姓名32,约翰

我只想解析名称和年龄的内容(注意年龄是整数类型)。 目前,我提出了一个非常丑陋的解决方案,其中Spirit解析了第一行并创建了一个向量,该向量在我感兴趣的位置包含一个枚举。然后我必须手动解析终端符号......

enum LineItems {
    NAME, AGE, UNUSED
};
struct CsvLine {
    string name;
    int age;
};
using Column = std::string;
using CsvFile = std::vector<CsvLine>;
template<typename It>
struct CsvGrammar: qi::grammar<It, CsvFile(), qi::locals<std::vector<LineItems>>, qi::blank_type> {
    CsvGrammar() :
            CsvGrammar::base_type(start) {
        using namespace qi;
        static const char colsep = ',';
        start = qi::omit[header[qi::_a = qi::_1]] >> eol >> line(_a) % eol;
        header = (lit("Name")[phx::push_back(phx::ref(qi::_val), LineItems::NAME)]
                | lit("Age")[phx::push_back(phx::ref(qi::_val), LineItems::AGE)]
                | column[phx::push_back(phx::ref(qi::_val), LineItems::UNUSED)]) % colsep;
        line = (column % colsep)[phx::bind(&CsvGrammar<It>::convertFunc, this, qi::_1, qi::_r1,
                qi::_val)];
        column = quoted | *~char_(",n");
        quoted = '"' >> *("""" | ~char_(""n")) >> '"';
    }
    void convertFunc(std::vector<string>& columns, std::vector<LineItems>& positions, CsvLine &csvLine) {
       //terminal symbol parsing here, and assign to csvLine struct.
       ...
    }
private:
    qi::rule<It, CsvFile(), qi::locals<std::vector<LineItems>>, qi::blank_type> start;
    qi::rule<It, std::vector<LineItems>(), qi::blank_type> header;
    qi::rule<It, CsvLine(std::vector<LineItems>), qi::blank_type> line;
    qi::rule<It, Column(), qi::blank_type> column;
    qi::rule<It, std::string()> quoted;
    qi::rule<It, qi::blank_type> empty;
};

这是完整的来源。

如果标头解析器可以准备一个vector<rule<...>*>,而"行解析器"只是使用这个向量来解析自己怎么办? 一种高级的纳比亚莱克技巧(我一直在尝试,但我无法做到)。

或者有没有更好的方法来解析这种CSV与Spirit?(任何帮助不胜感激,提前谢谢)

我会同意你的想法,

我认为它非常优雅(齐当地人甚至允许重复使用这个)。

为了减少规则中的缺陷(Boost Spirit:"语义行为是邪恶的"?),您可以将"转换函数"移至属性转换自定义点

哎呀。正如评论的那样,这太简单了。但是,您仍然可以大大减少粗糙度。通过两个简单的调整,语法如下:

item.add("Name", NAME)("Age", AGE);
start  = omit[ header[_a=_1] ] >> eol >> line(_a) % eol;
header = (item | omit[column] >> attr(UNUSED)) % colsep;
line   = (column % colsep) [convert];
column = quoted | *~char_(",n");
quoted = '"' >> *("""" | ~char_(""n")) >> '"';

调整:

  • 使用 qi::symbols 从标头映射到LineItem
  • 使用直接访问上下文的原始语义操作([convert])(请参阅增强精神语义操作参数):

    struct final {
        using Ctx = typename decltype(line)::context_type;
        void operator()(Columns const& columns, Ctx &ctx, bool &pass) const {
            auto& csvLine   = boost::fusion::at_c<0>(ctx.attributes);
            auto& positions = boost::fusion::at_c<1>(ctx.attributes);
            int i =0;
            for (LineItems position : positions) {
                switch (position) {
                    case NAME: csvLine.name = columns[i];              break;
                    case AGE:  csvLine.age = atoi(columns[i].c_str()); break;
                    default:   break;
                }
                i++;
            }
            pass = true; // returning false fails the `line` rule
        }
    } convert;
    

可以说,结果类似于做auto convert = phx::bind(&CsvGrammar<It>::convertFunc, this, qi::_1, qi::_r1, qi::_val)但是将auto与原始/凤凰/精神表达式一起使用是出了名的容易出错(UB 由于从表达式模板中悬挂对临时的引用),所以我当然更喜欢上面显示的方式。

住在科里鲁

//#define BOOST_SPIRIT_DEBUG
#define BOOST_SPIRIT_USE_PHOENIX_V3
#include <iostream>
#include <boost/fusion/include/at_c.hpp>
#include <boost/spirit/include/qi.hpp>
#include <boost/spirit/include/phoenix.hpp>
#include <string>
#include <vector>
namespace qi = boost::spirit::qi;
namespace phx = boost::phoenix;
using std::string;
enum LineItems { NAME, AGE, UNUSED };
struct CsvLine {
    string name;
    int age;
};
using Column  = std::string;
using Columns = std::vector<Column>;
using CsvFile = std::vector<CsvLine>;
template<typename It>
struct CsvGrammar: qi::grammar<It, CsvFile(), qi::locals<std::vector<LineItems>>, qi::blank_type> {
    CsvGrammar() : CsvGrammar::base_type(start) {
        using namespace qi;
        static const char colsep = ',';
        item.add("Name", NAME)("Age", AGE);
        start  = qi::omit[ header[_a=_1] ] >> eol >> line(_a) % eol;
        header = (item | omit[column] >> attr(UNUSED)) % colsep;
        line   = (column % colsep) [convert];
        column = quoted | *~char_(",n");
        quoted = '"' >> *("""" | ~char_(""n")) >> '"';
        BOOST_SPIRIT_DEBUG_NODES((header)(column)(quoted));
    }
private:
    qi::rule<It, std::vector<LineItems>(),                      qi::blank_type> header;
    qi::rule<It, CsvFile(), qi::locals<std::vector<LineItems>>, qi::blank_type> start;
    qi::rule<It, CsvLine(std::vector<LineItems> const&),        qi::blank_type> line;
    qi::rule<It, Column(), qi::blank_type> column;
    qi::rule<It, std::string()> quoted;
    qi::rule<It, qi::blank_type> empty;
    qi::symbols<char, LineItems> item;
    struct final {
        using Ctx = typename decltype(line)::context_type;
        void operator()(Columns const& columns, Ctx &ctx, bool &pass) const {
            auto& csvLine   = boost::fusion::at_c<0>(ctx.attributes);
            auto& positions = boost::fusion::at_c<1>(ctx.attributes);
            int i =0;
            for (LineItems position : positions) {
                switch (position) {
                    case NAME: csvLine.name = columns[i];              break;
                    case AGE:  csvLine.age = atoi(columns[i].c_str()); break;
                    default:   break;
                }
                i++;
            }
            pass = true; // returning false fails the `line` rule
        }
    } convert;
};
int main() {
    const std::string s = "Surname,Name,Age,nJohn,Doe,32nMark,Smith,43";
    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 (CsvLine line : parsed) {
            std::cout << '[' << line.name << ']' << '[' << line.age << ']';
            std::cout << std::endl;
        }
    } else {
        std::cout << "Parse failedn";
    }
    if (f != l)
        std::cout << "Remaining unparsed: '" << std::string(f, l) << "'n";
}

指纹

[Doe][32]
[Smith][43]