php - 自动检测文件中是否存在 CSV header

Question

小问题:如何自动检测 CSV 文件的第一行是否有标题？

详细信息:我编写了一个小型 CSV 解析引擎，它将数据放入一个对象中，我可以将其作为(大约)内存数据库进行访问。原始代码是为解析具有可预测格式的第三方 CSV 而编写的，但我希望能够更普遍地使用此代码。

我正在尝试找到一种可靠的方法来自动检测 CSV header 的存在，以便脚本可以决定是使用 CSV 文件的第一行作为键/列名称，还是立即开始解析数据。由于我只需要一个 bool 测试，我可以在自己检查 CSV 文件后轻松指定一个参数，但我宁愿不必(去自动化)。

我想我必须将前 3 个解析为 ? CSV 文件的行并查找某种模式以与标题进行比较。我做了三个特别糟糕的案例的噩梦，其中:

1. 标题出于某种原因包含数字数据
2. 前几行(或 CSV 的大部分)为空
3. 标题和数据看起来太相似了，无法区分

如果我能得到“最佳猜测”并让解析器因错误而失败，或者如果它无法决定则发出警告，那没关系。如果这在时间或计算方面会非常昂贵(并且花费的时间比它应该节省的时间还多)我会很高兴地放弃这个想法并回去处理“重要的事情”。

我正在使用 PHP，但这更像是一个算法/计算问题，而不是特定于实现的问题。如果有一个我可以使用的简单算法，那就太好了。如果您能指出一些相关的理论/讨论，那也很好。如果有一个巨大的库可以进行自然语言处理或 300 种不同的解析，我不感兴趣。

Answer 1

正如其他人所指出的，您无法做到 100% 可靠。然而，在某些情况下“基本正确”是有用的 - 例如，具有 CSV 导入功能的电子表格工具通常会尝试自行解决这个问题。以下是一些倾向于指示第一行不是标题的试探法:

• 第一行的列不是字符串或为空
• 第一行的列并不都是唯一的
• 第一行似乎包含日期或其他常见数据格式(例如，xx-xx-xx)