C语言读取带引号含逗号的CSV country列异常问题

问题根源 #

strtok 是按单一分隔符（这里是逗号）粗暴分割的工具，它无法识别CSV中双引号作为字段边界的规则——只要遇到逗号就会分割，导致带引号的"USA, UK"被拆成"USA和 UK"两个错误字段。

正确方案：手动逐字符解析 #

要正确处理带引号的CSV字段，必须手动扫描每行内容，区分引号内和引号外的逗号：引号内的逗号属于字段内容，不视为分隔符；引号外的逗号才是字段分隔符。

实现代码 #

以下是可直接使用的解析示例，包含字段提取函数和测试主逻辑：

#include <stdio.h>
#include <string.h>
#include <ctype.h>

// 从当前行指针提取下一个CSV字段，返回下一个字段的起始地址，字段内容存入buf
char* get_next_csv_field(char* line, char* buf, int buf_size) {
    if (!line || !buf || buf_size <= 0) return NULL;

    int in_quotes = 0;
    int buf_idx = 0;
    char* ptr = line;

    // 跳过字段开头的空白（可根据CSV格式选择保留或移除）
    while (isspace((unsigned char)*ptr)) ptr++;

    // 处理带引号的字段
    if (*ptr == '"') {
        in_quotes = 1;
        ptr++; // 跳过起始引号
    }

    while (*ptr != '\0') {
        if (in_quotes) {
            if (*ptr == '"') {
                // 处理转义引号（CSV中用""表示单个"）
                if (*(ptr+1) == '"') {
                    if (buf_idx < buf_size - 1) {
                        buf[buf_idx++] = '"';
                    }
                    ptr += 2;
                    continue;
                }
                // 遇到结束引号，退出引号模式
                in_quotes = 0;
                ptr++;
                break;
            }
            // 引号内的普通字符直接存入缓冲区
            if (buf_idx < buf_size - 1) {
                buf[buf_idx++] = *ptr;
            }
            ptr++;
        } else {
            // 非引号模式下，遇到逗号或行尾结束当前字段
            if (*ptr == ',' || *ptr == '\n' || *ptr == '\r') {
                ptr++;
                break;
            }
            if (buf_idx < buf_size - 1) {
                buf[buf_idx++] = *ptr;
            }
            ptr++;
        }
    }

    // 移除字段末尾的空白（可选）
    while (buf_idx > 0 && isspace((unsigned char)buf[buf_idx-1])) {
        buf_idx--;
    }

    buf[buf_idx] = '\0';
    return ptr;
}

int main() {
    FILE* fp = fopen("your_file.csv", "r");
    if (!fp) {
        perror("无法打开文件");
        return 1;
    }

    char line[1024];
    while (fgets(line, sizeof(line), fp)) {
        char country[256];
        char* ptr = line;

        // 根据你的CSV列顺序，跳过前面的字段，直到country列
        // 示例：如果country是第2列，先跳过第1列
        // ptr = get_next_csv_field(ptr, country, sizeof(country));

        // 读取country字段
        ptr = get_next_csv_field(ptr, country, sizeof(country));
        printf("Country: %s\n", country);
    }

    fclose(fp);
    return 0;
}

代码说明 #

1. 字段提取逻辑：get_next_csv_field会自动识别带引号的字段，忽略引号内的逗号；同时支持CSV标准的转义引号（""）。
2. 缓冲区处理：通过buf_size限制写入长度，避免缓冲区溢出，实际使用时可根据字段最大长度调整country和line的缓冲区大小。
3. 列顺序适配：根据CSV实际列顺序，调整跳过的字段数，确保读取到正确的country列。

注意事项 #

• 若CSV存在字段内换行的情况，需要额外处理（比如连续读取多行直到匹配到闭合引号），当前代码适用于单行字段的场景。
• 不要依赖strtok、strtok_r这类简单分割工具处理带复杂格式的CSV，它们无法处理引号规则。

内容的提问来源于stack exchange，提问作者xlas