c# - 使用有限状态机解析 CSV 数据

Question

我想读取一个包含逗号分隔值的文件，所以写了一个有限状态机:

private IList<string> Split(string line)
{
    List<string> values = new List<string>();
    string value = string.Empty;
    ParseState state = ParseState.Initial;
    foreach (char c in line)
    {
        switch (state)
        {
            case ParseState.Initial:
                switch (c)
                {
                    case COMMA:
                        values.Add(string.Empty);
                        break;
                    case QUOTE:
                        state = ParseState.Quote;
                        break;
                    default:
                        value += c;
                        state = ParseState.Data;
                        break;
                }
                break;
            case ParseState.Data:
                switch (c)
                {
                    case COMMA:
                        values.Add(value);
                        value = string.Empty;
                        state = ParseState.Initial;
                        break;
                    case QUOTE:
                        throw new InvalidDataException("Improper quotes");
                    default:
                        value += c;
                        break;
                }
                break;
            case ParseState.Quote:
                switch (c)
                {
                    case QUOTE:
                        state = ParseState.QuoteInQuote;
                        break;
                    default:
                        value += c;
                        break;
                }
                break;
            case ParseState.QuoteInQuote:
                switch (c)
                {
                    case COMMA:
                        values.Add(value);
                        value = string.Empty;
                        state = ParseState.Initial;
                        break;
                    case QUOTE:
                        value += c;
                        state = ParseState.Quote;
                        break;
                    default:
                        throw new InvalidDataException("Unpaired quotes");
                }
                break;
        }
    }

    switch (state)
    {
        case ParseState.Initial:
        case ParseState.Data:
        case ParseState.QuoteInQuote:
            values.Add(value);
            break;
        case ParseState.Quote:
            throw new InvalidDataException("Unclosed quotes");
    }

    return values;
}

是的，我知道关于 CSV 解析器的建议是“不要自己编写”，但是

1. 我很快就需要它
2. 我们的工作下载政策需要几天时间才能让我从“网络”中获取开源。

嘿，至少我没有从 string.Split() 开始，或者更糟的是，尝试使用 Regex!

是的，我知道它可以通过使用 StringBuilder 来改进，并且它对数据中的引号有限制，但是

1. 性能不是问题并且
2. 这只是为了在内部生成明确定义的测试数据，

所以我不关心那些。

我做关心的是末尾明显的尾随 block ，用于清除最后一个逗号后的所有数据，以及它开始看起来像某种反模式的方式在那里，这正是像 FSM 这样的“好”模式应该避免的事情。

所以我的问题是:最后这个 block 是不是某种反模式，它会不会在未来反噬我？

Answer 1

我见过的所有 FSM(不是我去寻找它们，请注意)都有某种“清理”步骤，这仅仅是由于枚举的性质。

在 FSM 中，您总是根据当前状态进行操作，然后为下一次迭代重置“当前状态”，因此一旦您到达迭代末尾，您必须执行最后一个操作来进行操作“当前状态”。 (最好将其视为作用于“先前状态”并设置“当前状态”)。

因此，我认为您所做的是模式的一部分。

但是您为什么不尝试 SO 上的其他一些答案呢？

• Split CSV String (特别是 this answer)
• How to properly split a CSV using C# split() function? (特别是 this answer)

适应的解决方案，仍然是 FSM:

public IEnumerable<string> fsm(string s)
{
    int i, a = 0, l = s.Length;
    var q = true;
    for (i = 0; i < l; i++)
    {
        switch (s[i])
        {
            case ',':
                if (q)
                {
                    yield return s.Substring(a, i - a).Trim();
                    a = i + 1;
                }
                break;

            // pick your flavor
            case '"':
            //case '\'':
                q = !q;
                break;
        }
    }
    yield return s.Substring(a).Trim();
}

// === usage ===
var row = fsm(csvLine).ToList();
foreach(var column in fsm(csvLine)) { ... }