使用可变顺序的列提升精神解析 CSV

Question

我正在尝试使用 boost spirit 解析 CSV 文件（带有 header 行）。 csv 不是固定格式。有时会有一些额外的列或列的顺序混合。我对一些专栏感兴趣，它们的 header 名字是众所周知的。

例如我的 CSV 可能如下所示：

Name,Surname,Age
John,Doe,32

或者：

Age,Name
32,John

我只想解析姓名和年龄的内容（N.B。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 解析第一行并创建一个向量，其中包含我感兴趣的位置的枚举。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;

};

这里是 full source.

如果 header 解析器可以准备一个 vector<rule<...>*> 而 "line parser" 只使用这个向量来解析自己呢？一种高级 nabialek trick（我一直在尝试，但我做不到）。

或者有没有更好的方法用Spirit解析这种CSV？（感谢任何帮助，提前致谢）

Answer 1

我同意你的想法，

我认为它非常优雅（qi 本地人甚至允许重入使用它）。

为了减少规则中的麻烦 (Boost Spirit: "Semantic actions are evil"?)，您可以将 "conversion function" 移到属性转换中 自定义点数.

糟糕。正如所评论的那样，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 header 映射到 LineItem

使用直接访问上下文的原始语义操作（[convert]）（参见boost spirit semantic action parameters）：

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) 但是使用 auto 和 Proto/Phoenix/Spirit 表达式是出了名的容易出错（UB 由于悬挂引用来自表达式模板的临时对象），所以我当然更喜欢上面显示的方式。

Live On Coliru

//#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,32\nMark,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 failed\n";
    }

    if (f != l)
        std::cout << "Remaining unparsed: '" << std::string(f, l) << "'\n";
}

版画

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

使用可变顺序的列提升精神解析 CSV

boost spirit parsing CSV with columns in variable order

c++

csv

boost

boost-spirit