de Split usando delimitador delimitador excepto cuando se escapó

Question

estoy leyendo los datos del portapapeles procedentes de Excel usando

var stream = (System.IO.Stream) (Forms.Clipboard.GetDataObject()).GetData(Forms.DataFormats.CommaSeparatedValue);,

pero, por desgracia, Excel está pasando texto de la celda en lugar de los valores de celda. Cuando las células están utilizando un formato especial (tal como separador de miles), los datos del portapapeles para una serie de celdas en las columnas que tiene este aspecto:

1,234,123.00 2,345.00 342.00  12,345.00 

se almacena como esto:

\" 1,234,123.00 \",\" 2,345.00 \", 342.00 ,\" 12,345.00 \" 

cuando lo que realmente quiero es éste:

1234123.00, 2345.00, 342.00, 12345.00 

que había estado previamente usando la función clipData.Split(new string[] { "," }, StringSllitOptions.None)) convertir mis datos del portapapeles CSV en una serie de células, pero esto no funciona w Cuando hay texto con formato de escape que contiene comas.

---

lo que pido si alguien puede pensar en una manera de dividir esta cadena en un conjunto de células, haciendo caso omiso de las comas escaparon dentro de los bits de \", ya que esta es la forma en Excel es la elección para escapar de las células que contienen comas.

En pocas palabras, ¿cómo puedo convertir una sola cadena que contiene lo siguiente:

\" 1,234,123.00 \",\" 2,345.00 \", 342.00 ,\" 12,345.00 \" 

en una matriz de cadenas que contiene lo siguiente:

{ "1,234,123.00", "2,345.00", "342.00", "12,345.00" } 

sin arruinar mi capacidad para analizar una sencilla cadena separada por comas .

***** *** editar

Seguimiento pregunta (formulada como DFA) aquí: Split a string based on each time a Deterministic Finite Automata reaches a final state?

Answer 1

En primer lugar he tratado con datos de Excel antes y lo que normalmente se ve es valores separados por comas y si se considera que el valor es una cadena que tendrá comillas dobles a su alrededor (y puede contener comas y comillas dobles). Si se considera que es numérico, entonces no hay comillas dobles. Además, si los datos contienen una comilla doble que se delimitará con una comilla doble como "". Así que asumiendo que todos aquí es como me he ocupado de esto en el pasado

public static IEnumerable<string> SplitExcelRow(this string value) 
{ 
    value = value.Replace("\"\"", "&quot;"); 
    bool quoted = false; 
    int currStartIndex = 0; 
    for (int i = 0; i < value.Length; i++) 
    { 
     char currChar = value[i]; 
     if (currChar == '"') 
     { 
      quoted = !quoted;  
     } 
     else if (currChar == ',') 
     { 
      if (!quoted) 
      { 
       yield return value.Substring(currStartIndex, i - currStartIndex) 
        .Trim() 
        .Replace("\"","") 
        .Replace("&quot;","\""); 
       currStartIndex = i + 1; 
      } 
     } 
    } 
    yield return value.Substring(currStartIndex, value.Length - currStartIndex) 
     .Trim() 
     .Replace("\"", "") 
     .Replace("&quot;", "\""); 
} 

Por supuesto, esto supone que los datos que entra es válida por lo que si usted tiene algo así como "fo,o"b,ar","bar""foo" esto no funcionará. Además, si sus datos contienen ", se convertirá en un "que puede o no ser deseable.

Answer 2

Desde su entrada de ejemplo, podemos ver que hay tres secuencias de "no deseados" personajes:

\" 
\", 
,\" 

Así, se suman todas estas secuencias a la matriz de entrada para el método Split:

string[] result = clipData.Split(new[] { @",\""", @"\"",", @"\""" }, 
    StringSplitOptions.None); 

Esto le dará una matriz que contiene algunos elementos vacíos. Si esto es un problema, utilice StringSplitOptions.RemoveEmptyEntries en lugar de StringSplitOptions.None:

string[] result = clipData.Split(new[] { @",\""", @"\"",", @"\""" }, 
    StringSplitOptions.RemoveEmptyEntries); 

Answer 3

Hay muchas maneras de hacer esto. Una forma poco elegante que funcionaría es:

1. Convert \ "\" a la pestaña o algún otro delimitador (supongo que lo dejó fuera unos pocos \" en su ejemplo, porque de lo contrario la cadena no es consistente
2. de Gaza todas las comas restantes
3. Pele todos los restantes \ "
4. Convierta su delimitador (por ejemplo,pestaña) de nuevo en una coma

Ahora usted tiene lo que quería en primer lugar

Answer 4

Usted podría tratar de usar un poco de LINQ:

string excelData = "\\\" 1,234,123.00 \\\",\\\" 2,345.00 \\\", 342.00 ,\\\" 12,345.00 \\\""; 

IEnumerable<string> cells = from x in excelData.Split(new string[] { "\\\"" }, StringSplitOptions.RemoveEmptyEntries) 
          let y = x.Trim(',').Trim() 
          where !string.IsNullOrWhiteSpace(y) 
          select y; 

Alternativamente, si no te gusta esta sugerencia, intenta implementar un patrón similar con RegEx.

Answer 5

Estoy de acuerdo con Kyle respecto a que su cadena probablemente no sea consistente.

En lugar de primer paso de Kyle podría utilizar

string[] vals = Regex.Split(value, @"\s*\"",\s*");