C语言读取CSV至结构体数组异常及后续功能选型咨询

一、CSV解析异常排查与修复 #

问题现象 #

尝试读取含3940条数据的CSV文件，使用strtok编写解析代码后，仅读取到1010条数据，且读取起始行为文件的第2931行，而非开头。

代码实现 #

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

typedef struct {
    char location[100];
    char city[100];
    int price;
    int room;
    int bathroom;
    int carpark;
    char type[100];
    char furnish[100];
} data;

int main() {

    data house[4000];

    FILE *file = fopen("data.csv", "r");
    char buffer[1000];
    fgets(buffer, 1000, file);
    int n = 0; 
    while (fgets(buffer, 1000, file)) {
        char *token = strtok(buffer, ",");
        strcpy(house[n].location, token);

        token = strtok(NULL, ",");
        strcpy(house[n].city, token);

        token = strtok(NULL, ",");
        house[n].price = atoi(token);

        token = strtok(NULL, ",");
        house[n].room = atoi(token);

        token = strtok(NULL, ",");
        house[n].bathroom = atoi(token);

        token = strtok(NULL, ",");
        house[n].carpark = atoi(token);

        token = strtok(NULL, ",");
        strcpy(house[n].type, token);

        token = strtok(NULL, "\n");
        strcpy(house[n].furnish, token);

        n++;
    }

    fclose(file);

    for (int i = 0; i < n; i++) {
         printf("%s,%s,%d,%d,%d,%d,%s,%s\n",
                house[i].location, house[i].city, house[i].price,
                house[i].room, house[i].bathroom, house[i].carpark,
                house[i].type, house[i].furnish);
    }

    return 0;
}

问题原因分析 #

1. 长行截断导致解析错位：fgets(buffer, 1000, file)的缓冲区大小为1000，若CSV中某行数据长度超过1000，fgets会截断该行，剩余内容会被当作下一行处理，导致后续所有行的字段解析完全错位，最终触发未定义行为提前终止循环。
2. 未处理带引号的CSV字段：标准CSV中，字段若包含逗号、换行符等特殊字符会用引号包裹，strtok无法识别这种格式，会将引号内的逗号当作分隔符，破坏字段完整性。
3. 空指针访问风险：未检查strtok返回的token是否为NULL，若某行字段数量不足，strcpy或atoi会访问空指针，直接终止程序。
4. 最后字段的换行处理不当：用"\n"作为最后一个字段的分隔符，若行尾存在多余空格或字段本身包含换行（带引号场景），会导致字段内容错误。

修复方案 #

1. 增加文件打开检查：避免文件打开失败后继续执行后续操作：

   FILE *file = fopen("data.csv", "r");
   if (!file) {
       perror("Failed to open file");
       return 1;
   }
   

2. 处理长行与带引号字段：
   • 增大缓冲区至合理大小（如4096），或实现动态读取逻辑；
   • 替换strtok为支持标准CSV格式的解析逻辑，例如手动处理引号包裹的字段：遇到引号时，跳过直到下一个引号，再寻找分隔符。
3. 检查token有效性：每次调用strtok后判断返回值，避免空指针访问：

   char *token = strtok(buffer, ",");
   if (!token) break;
   strcpy(house[n].location, token);
   // 后续每个token都需添加类似检查
   

4. 修正最后字段的换行处理：用",\n"作为分隔符，或手动去除字段末尾的换行符：

   token = strtok(NULL, ",\n");
   if (!token) break;
   // 手动去除换行（可选）
   size_t len = strlen(token);
   if (len > 0 && token[len-1] == '\n') token[len-1] = '\0';
   strcpy(house[n].furnish, token);
   

二、结构体数组的适用性及替代方案 #

当前方案的适用性 #

结构体数组完全适合实现显示、搜索、排序、导出这些功能：

• 显示：直接遍历数组输出即可；
• 搜索：遍历数组匹配目标条件；
• 排序：使用标准库qsort函数，自定义比较函数，4000条数据的规模下效率足够；
• 导出：遍历数组将数据写入文件。

优化替代方案 #

如果未来数据量大幅增长（如十万条以上），建议使用动态分配数组替代栈上固定大小数组，避免栈溢出：

// 初始分配4000个结构体的内存
data *house = malloc(4000 * sizeof(data));
if (!house) {
    perror("Failed to allocate memory");
    fclose(file);
    return 1;
}
// 后续需要扩容时使用realloc
size_t current_size = 4000;
if (n >= current_size) {
    current_size *= 2;
    house = realloc(house, current_size * sizeof(data));
    if (!house) {
        perror("Failed to reallocate memory");
        free(house);
        fclose(file);
        return 1;
    }
}

若需要频繁执行插入、删除操作，链表结构会更灵活，但你的需求中排序、搜索依赖随机访问特性，数组的效率远高于链表，因此结构体数组仍是最优选择。

内容的提问来源于stack exchange，提问作者Zain Firdaus