ruby : How can I detect/intelligently guess the delimiter used in a CSV file?

Question

我需要能够确定我的 Ruby 项目中的 csv 文件中使用了哪个分隔符(逗号、空格或分号)。我知道，csv 模块中的 Python 中有一个 Sniffer 类，可用于猜测给定文件的分隔符。 Ruby 中有类似的东西吗？非常感谢任何形式的帮助或想法。

Answer 1

看起来 py 实现只检查几种方言:excel 或 excel_tab。因此，仅检查 "," 或 "\t" 的简单实现是:

COMMON_DELIMITERS = ['","',"\"\t\""].freeze

def sniff(path)
  first_line = File.open(path).first
  return unless first_line

  snif = {}
  COMMON_DELIMITERS.each do |delim| 
    snif[delim] = first_line.count(delim)
  end
  snif = snif.sort { |a,b| b[1]<=>a[1] }

  snif[0][0] if snif.size > 0
end

注意:这将返回它找到的完整分隔符，例如","，所以要获得 ,，您可以将 snif[0][0] 更改为 snif[0][0 ][1].

此外，我正在使用 count(delim) 因为它更快一些，但是如果您添加了一个由两个(或更多)相同类型的字符组成的分隔符，例如 --，那么在权衡类型时它可能每次出现两次(或更多次)，所以在这种情况下，使用 scan(delim).length 可能会更好。