- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
随着csv crate 和最新的 Rust 版本 1.31.0,我想用 ANSI (Windows 1252) 编码读取 CSV 文件,就像在 UTF-8 中一样容易。
在阅读 Vec<u8>
中的整个文件后,我尝试过的事情(没有运气) :
确实,在我的公司,我们有很多 CSV 文件,ANSI 编码。
此外,如果可能的话,我希望不要将整个文件加载到 Vec<u8>
中。但需要逐行阅读(CRLF
结尾),因为许多文件都很大(50 Mb 或更多……)。
在文件 Cargo.toml 中,我有这个依赖项:
[dependencies]
csv = "1"
test.csv 由以下内容组成,保存为 Windows-1252 编码:
Café;au;lait
Café;au;lait
main.rs 文件中的代码:
extern crate csv;
use std::error::Error;
use std::fs::File;
use std::io::BufReader;
use std::path::Path;
use std::process;
fn example() -> Result<(), Box<Error>> {
let file_name = r"test.csv";
let file_handle = File::open(Path::new(file_name))?;
let reader = BufReader::new(file_handle);
let mut rdr = csv::ReaderBuilder::new()
.delimiter(b';')
.from_reader(reader);
// println!("ANSI");
// for result in rdr.byte_records() {
// let record = result?;
// println!("{:?}", record);
// }
println!("UTF-8");
for result in rdr.records() {
let record = result?;
println!("{:?}", record);
}
Ok(())
}
fn main() {
if let Err(err) = example() {
println!("error running example: {}", err);
process::exit(1);
}
}
输出是:
UTF-8
error running example: CSV parse error: record 0 (line 1, field: 0, byte: 0): invalid utf-8: invalid UTF-8 in field 0 near byte index 3
error: process didn't exit successfully: `target\debug\test-csv.exe` (exit code: 1)
使用 rdr.byte_records()
时(取消注释代码的相关部分),输出为:
ANSI
ByteRecord(["Caf\\xe9", "au", "lait"])
最佳答案
我怀疑这个问题没有具体说明。特别是,不清楚您为什么使用 ByteRecord
API 不足。在 csv crate 中,字节记录专门针对这种情况存在,在这种情况下,您的 CSV 数据不是严格的 UTF-8,而是采用替代编码,例如与 ASCII 兼容的 Windows-1252。 (ASCII 兼容编码是一种编码,其中 ASCII 是一个子集。Windows-1252 和 UTF-8 都是 ASCII 兼容的。UTF-16 不是。)上面的代码示例显示您正在使用字节记录,但没有不要解释为什么这是不够的。
话虽如此,如果您的目标是将数据转换为 Rust 的字符串数据类型(String
/&str
),那么您唯一的选择 是将 CSV 数据的内容从 Windows-1252 转码为 UTF-8。这是必要的,因为 Rust 的字符串数据类型使用 UTF-8 作为其在内存中的表示。您不能使用 Windows-1252 编码的 Rust String
/&str
,因为 Windows-1252 不是 UTF-8 的子集。
其他评论推荐使用encoding
crate。但是,我建议使用 encoding_rs
,如果您的用例与 Encoding Standard 解决的相同用例一致,这是专门针对网络的。幸运的是,我相信存在这种一致性。
为了满足您以流式方式读取 CSV 数据而不首先将整个内容加载到内存中的标准,您需要在 encoding_rs
箱子周围使用一个包装器,为您实现流式解码。 encoding_rs_io
crate 为你提供了这个。 (它在 ripgrep 内部用于在搜索 UTF-8 之前进行快速流解码。)
这是一个示例程序,它使用 Rust 2018 将上述所有内容放在一起:
use std::fs::File;
use std::process;
use encoding_rs::WINDOWS_1252;
use encoding_rs_io::DecodeReaderBytesBuilder;
fn main() {
if let Err(err) = try_main() {
eprintln!("{}", err);
process::exit(1);
}
}
fn try_main() -> csv::Result<()> {
let file = File::open("test.csv")?;
let transcoded = DecodeReaderBytesBuilder::new()
.encoding(Some(WINDOWS_1252))
.build(file);
let mut rdr = csv::ReaderBuilder::new()
.delimiter(b';')
.from_reader(transcoded);
for result in rdr.records() {
let r = result?;
println!("{:?}", r);
}
Ok(())
}
使用 Cargo.toml
:
[package]
name = "so53826986"
version = "0.1.0"
edition = "2018"
[dependencies]
csv = "1"
encoding_rs = "0.8.13"
encoding_rs_io = "0.1.3"
输出:
$ cargo run --release
Compiling so53826986 v0.1.0 (/tmp/so53826986)
Finished release [optimized] target(s) in 0.63s
Running `target/release/so53826986`
StringRecord(["Café", "au", "lait"])
特别是,如果您将 rdr.records()
换成 rdr.byte_records()
,那么我们可以更清楚地看到发生了什么:
$ cargo run --release
Compiling so53826986 v0.1.0 (/tmp/so53826986)
Finished release [optimized] target(s) in 0.61s
Running `target/release/so53826986`
ByteRecord(["Caf\\xc3\\xa9", "au", "lait"])
即,您的输入包含 Caf\xE9
,但字节记录现在包含 Caf\xC3\xA9
。这是将 233
的 Windows-1252 代码点值(编码为其文字字节 \xE9
)转换为 U+00E9 LATIN SMALL LETTER E WITH 的结果ACUTE
,UTF-8编码为\xC3\xA9
。
关于csv - 如何读取非UTF8编码的csv文件?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53826986/
我遇到以下问题。我想读取一个包含数百万行和数百列的大型 csv。我想向下转换列的数据类型。我的方法是读取 csv,然后使用 pd.to_numeric() 对其进行向下转换。我不知道列数及其类型。在读
目前,我从 SQL server (2008) 数据库获取数据。 cyurrent的方法是使用DataTable,然后将其传递并使用。 if (parameters != null)
我有以下问题。我有一个巨大的 csv 文件,想用多处理加载它。对于一个包含 500000 行和 130 列不同数据类型的示例文件,Pandas 需要 19 秒。我试过 dask 因为我想多处理阅读。但
是否有关于用于序列化各种 MFC 数据结构的二进制格式的明确文档?我已经能够在十六进制编辑器中查看我自己的一些类,并使用 Java 的 ByteBuffer 类读取它们(使用自动字节顺序转换等)。 但
我正在使用 Selenium 进行测试,我们用 HTML 文件编写测试用例,并用它们制作测试套件,我们的要求是编写足够健壮的测试用例,以根据测试环境改变自身。 为此,我不希望在 HTML 脚本本身中包
我需要一个 JavaScript 代码来读取存储为 .txt 文件的字典(或者也可以保存为任何其他类型的文件。它也可以在线获得)并将其内容存储在一个变量中。我不能找到一种让 JavaScript 像
我正在尝试遍历包含 SSH 登录和其他日志的日志文本文件。 程序正在返回 SSH 登录的总数。 我的解决方案确实有效,但似乎有点慢(在 200mo 文件上大约需要 3.5 秒)。我想知道是否有任何方法
我正在将大量数据从一个电子表格复制到工作簿中的其他 160 个电子表格。目前,Excel (2013) 遇到错误,因为它没有足够的资源来完成操作。 我的目标是将工作表 4 中 V13:XI1150 范
我正在尝试读取一个有 1147 行的文本文件。下面的代码仅读取第 1050-1147 行。我的目标是读取整个文件并提取位于不同行的特定值以在脚本中使用。一个示例是包含“BlockList: 2”的行中
我正在为游戏编写解释器。用户将其移动输入解释器,程序执行该移动。 现在我想为每个决定实现一个时间限制。玩家不应该能够思考超过 30 秒来写一个移动并按下回车。 call_with_time_limit
以this file例如,我正在尝试读取 data.frame 中的数据。来自 the doc (pdf 文件,表 1),它遵循一些 fortran 约定。我尝试了以下但收效甚微: dir 0' 将
我正在使用 R 阅读 Outlook 附件。我的引用在这里:Download attachment from an outlook email using R 这是我的电子邮件的截图: 这每天都会发送
我不会从表格中读取行来将主题放在列表中 php脚本 $url_obj='http://'.$host.':8069/xmlrpc/object'; $sock=new xmlrpc_client($u
我有一个这样的 csv 文件: id,name,value 1,peter,5 2,peter\,paul,3 我如何读取此文件并告诉 R "\," 不表示新列,仅表示 ","。 我必须添加该文件
我正在尝试读取 ~/Library/Preferences/com.apple.mail.plist (在 Snow Leopard 上)以获取电子邮件地址和其他信息以进入“关于”对话框。我使用以下代
This question already has answers here: How do I use floating-point division in bash? (19个回答) 5个月前关闭
本练习的目标是读取输入文件并将其存储到表中,然后验证输入中的某些字段并输出任何错误记录。我需要读取并存储每个策略组,以便表中一次仅存储 5 条记录,而不是整个文件。 所以我需要读取一个包含 5 条记录
据我了解,LWT 插入始终以 SERIAL 一致性级别完成。如果为 true,这是否意味着读取作为 LWT 插入的行可以安全地以 ANY 的一致性级别读取? 换句话说,我假设 LWT 插入是完全一致的
我看到很多很多通过java脚本读取cookie的函数,但我只想在变量中使用它一次,我是JS新手。 这是我的代码 var TheNumber = (Math.random() + '') * 10000
我正在使用 asp.net 和 C#。我在服务器上部署了一个应用程序[已发布],现在我想查看该网站的代码,据我所知,我可以阅读程序集来查看代码。 请告诉我如何实现它。 提前致谢。 最佳答案 您可以使用
我是一名优秀的程序员,十分优秀!