csv de análisis por comas, comillas dobles y codificación

Question

estoy usando rubí 1,9 a analizar el siguiente archivo csv con MacRoman carácter

# encoding: ISO-8859-1 
#csv_parse.csv 
Name, main-dialogue 
"Marceu", "Give it to him ó he, his wife." 

me hizo lo siguiente para analizar esto.

require 'csv' 
input_string = File.read("../csv_parse.rb").force_encoding("ISO-8859-1").encode("UTF-8") 
#=> "Name, main-dialogue\r\n\"Marceu\", \"Give it to him \x97 he, his wife.\"\r\n" 

data = CSV.parse(input_string, :quote_char => "'", :col_sep => "/\",/") 
#=> [["Name, main-dialogue"], ["\"Marceu", " \"Give it to him \x97 he, his wife.\""]] 

Así, el problema es la segunda matriz de datos es de una sola cadena en lugar de 2 cadenas como: ["\"Marceu\"", " \"Give it to him \x97 he, his wife.\""]] he intentado con :col_sep => "," (que es el comportamiento por defecto) pero me dio 3 divisiones.

header = CSV.parse(input_string, :quote_char => "'")[0].map{|a| a.strip.downcase unless a.nil? } 
#=> ["Name", "main-dialogue"] 

Tengo que analizar de nuevo el encabezado ya que no hay comillas dobles aquí.

La salida está pensada para mostrarse en el navegador de nuevo, por lo que el carácter ó debe aparecer como de costumbre y no como \x97 u otro.

¿Hay alguna manera de resolver los problemas anteriores?

Answer 1

Creo que tiene MacRoman datos codificados; si lo hace en irb:

>> "\x97".force_encoding('MacRoman').encode('UTF-8') 

se obtiene lo siguiente:

=> "ó" 

y que parece ser el personaje que usted está esperando. Por lo que desea esto:

input_string = File.read("../csv_parse.rb").force_encoding('MacRoman').encode('UTF-8') 

Entonces usted tiene dos columnas en el archivo CSV, las columnas se citan con comillas dobles (por lo que no es necesario :quote_char), y el delimitador es ', ' así que esto debería funcionar:

data = CSV.parse(input_string, :col_sep => ", ") 

y data se verá así:

[ 
    ["Name", "main-dialogue"], 
    ["Marceu", "Give it to him ó he, his wife."] 
] 

Answer 2

Me parece que está utilizando las opciones :quote_char y :col_sep incorrectamente.

La primera debería ser que el carácter que se utiliza para encerrar campos, es decir, '"' para los datos que has demostrado, y :col_sep debe ser sólo ","

Las comillas dobles que se muestran en el último ejemplo se acaba de formatear el rubí salida para ti.