如何让PapaParse正确解析以双引号开头的CSV值？

问题场景 #

使用最新版PapaParse解析大型制表符分隔（TSV）文件时，工具能正常处理值内部的双引号，但无法正确解析以双引号开头的值，导致后续行被错误合并到当前字段中。

解析代码 #

const parsePromise = new Promise<void>((resolve, reject) => {
    Papa.parse<Equipment>(fileStream, {
        header: true,
        delimiter: "\t",
        dynamicTyping: true,
        skipEmptyLines: true,
        step: (result) => {
            const rowData = {
                vehicle_id: result.data.vehicle_id,
                schema_id: result.data.schema_id,
                option_id: result.data.option_id,
                record_id: result.data.record_id,
                location: result.data.location,
                data_value: result.data.data_value,
                condition: result.data.condition,
            };
            entities.push(rowData);
            console.log(rowData)
        },
        complete: () => resolve(),
        error: (error) => reject(error),
    });
});

异常触发的TSV数据 #

vehicle_id  schema_id   option_id   record_id   location    data_value  condition
425972620240523 15102   1266    7700    W   "Första hjälpen"- förbandslåda med varningstriangel, 2 varselvästar 
425972620240523 15104   1266    7700    W   W   
425972620240523 15101   1266    7800    INT S   
425972620240523 15102   1266    7800    INT medical kit, warning triangle, 2 safety vests   
425972620240523 15104   1266    7800    INT INT 
425972620240523 15101   1267    7900    W   S   
425972620240523 15102   1267    7900    W   Papperskorg (borttagbar)    

异常解析输出 #

{
  vehicle_id: 425972620240523,
  schema_id: 15102,
  option_id: 1266,
  record_id: 7700,
  location: 'W',
  data_value: 'Första hjälpen"- förbandslåda med varningstriangel, 2 varselvästar\t\r\n' +
    '425972620240523\t15104\t1266\t7700\tW\tW\t\r\n' +
    '425972620240523\t15101\t1266\t7800\tINT\tS\t\r\n' +
    '425972620240523\t15102\t1266\t7800\tINT\tmedical kit, warning triangle, 2 safety vests\t\r\n' +
    '425972620240523\t15104\t1266\t7800\tINT\tINT\t\r\n' +
    '425972620240523\t15101\t1267\t7900\tW\tS\t\r\n' +
    '425972620240523\t15102\t1267\t7900\tW\tPapperskorg (borttagbar)\t\r\n',
  condition: undefined
}

双引号在值内部时的正常情况 #

当双引号位于值中间时，解析结果正常：

修正后的TSV数据

vehicle_id  schema_id   option_id   record_id   location    data_value  condition
425972620240523 15102   1266    7700    W   Första "hjälpen"- förbandslåda med varningstriangel, 2 varselvästar 
425972620240523 15104   1266    7700    W   W   
425972620240523 15101   1266    7800    INT S   
425972620240523 15102   1266    7800    INT medical kit, warning triangle, 2 safety vests   
425972620240523 15104   1266    7800    INT INT 
425972620240523 15101   1267    7900    W   S   
425972620240523 15102   1267    7900    W   Papperskorg (borttagbar)    

正常解析输出

{
  vehicle_id: 425972620240523,
  schema_id: 15102,
  option_id: 1266,
  record_id: 7700,
  location: 'W',
  data_value: 'Första "hjälpen"- förbandslåda med varningstriangel, 2 varselvästar',
  condition: null
}
{
  vehicle_id: 425972620240523,
  schema_id: 15104,
  option_id: 1266,
  record_id: 7700,
  location: 'W',
  data_value: 'W',
  condition: null
}
....

解决方案 #

原因分析 #

PapaParse遵循RFC 4180标准：当字段以双引号开头时，会判定该字段为带引号字段，必须找到对应的闭合双引号才会结束字段解析。你的数据仅在字段开头添加了双引号，没有闭合，导致解析器将后续所有行都当作当前字段的内容。

调整方案 #

有两种可行的处理方式：

1. 修正源数据格式
   给以双引号开头的字段添加闭合双引号，符合标准格式：

   425972620240523 15102   1266    7700    W   "Första hjälpen"- förbandslåda med varningstriangel, 2 varselvästar"
   

2. 配置PapaParse禁用引号解析
   如果无法修改源数据，可以在解析配置中添加quoteChar: false，完全禁用引号解析逻辑，让PapaParse将双引号当作普通字符处理：

   const parsePromise = new Promise<void>((resolve, reject) => {
       Papa.parse<Equipment>(fileStream, {
           header: true,
           delimiter: "\t",
           dynamicTyping: true,
           skipEmptyLines: true,
           quoteChar: false, // 新增：禁用引号解析
           step: (result) => {
               const rowData = {
                   vehicle_id: result.data.vehicle_id,
                   schema_id: result.data.schema_id,
                   option_id: result.data.option_id,
                   record_id: result.data.record_id,
                   location: result.data.location,
                   data_value: result.data.data_value,
                   condition: result.data.condition,
               };
               entities.push(rowData);
               console.log(rowData)
           },
           complete: () => resolve(),
           error: (error) => reject(error),
       });
   });
   

   注意：禁用引号解析后，所有双引号都会被视为普通字符，如果你有需要保留的带引号字段（比如包含分隔符的字段），此方法不适用，优先选择修正源数据格式。

内容的提问来源于stack exchange，提问作者4integration