如何单次遍历行字符串解析带双引号包裹的CSV文件

针对你遇到的三个核心问题，这里给出基于状态机的高效解析方案，直接解决行尾判断、字段间空白处理、字段内双引号转义的问题：

核心解决思路 #

采用状态机模式逐字符遍历，区分「非字段状态」和「字段内状态」，严格遵循CSV的引号转义规则：

• 非字段状态：跳过空格和逗号，直到遇到字段起始引号
• 字段内状态：处理普通字符，遇到连续双引号时保留单个，遇到单个双引号时结束当前字段

完整实现代码 #

#include <iostream>
#include <vector>
#include <string>
#include <cctype>

auto lines = std::vector<std::string>({
    R"("ab","cd")",          // 字段间无空格
    R"("ab", "cd")",         // 逗号后有空格
    R"("ab" ,"cd")",         // 逗号前有空格
    R"("a""b" ,"c""d")"      // 字段内包含转义双引号
});

auto parseQuotedCSVLine(const std::string& line, char wrapper) -> std::vector<std::string> {
    std::vector<std::string> chunks;
    std::string current_chunk;
    bool in_quoted_field = false;
    size_t i = 0;
    const size_t len = line.size();

    while (i < len) {
        char c = line[i];
        if (!in_quoted_field) {
            if (c == wrapper) {
                // 进入引号包裹的字段
                in_quoted_field = true;
                i++;
            } else if (c == ',' || std::isspace(static_cast<unsigned char>(c))) {
                // 字段外的分隔符或空白直接跳过
                i++;
            } else {
                // 忽略非引号包裹的字段（按需可扩展）
                i++;
            }
        } else {
            if (c == wrapper) {
                // 检查是否是转义双引号
                if (i + 1 < len && line[i+1] == wrapper) {
                    current_chunk += wrapper;
                    i += 2;
                } else {
                    // 当前字段结束，存入结果
                    chunks.push_back(current_chunk);
                    current_chunk.clear();
                    in_quoted_field = false;
                    i++;
                }
            } else {
                // 字段内普通字符直接追加
                current_chunk += c;
                i++;
            }
        }
    }

    // 处理未闭合的字段（可选逻辑）
    if (in_quoted_field && !current_chunk.empty()) {
        chunks.push_back(current_chunk);
    }

    return chunks;
}

void printChunks(const std::vector<std::string>& chunks) {
    for (const auto& s : chunks) {
        std::cout << s << std::endl;
    }
    std::cout << "---" << std::endl;
}

int main() {
    for (const auto& line : lines) {
        auto chunks = parseQuotedCSVLine(line, '"');
        printChunks(chunks);
    }
    return 0;
}

针对三个问题的具体处理 #

1. 可靠判断行尾：
   遍历到字符串末尾时，若处于字段内状态，直接将当前未完成的字段存入结果（处理未闭合的异常情况）；若处于非字段状态，说明所有字段已处理完毕。正常闭合的行中，最后一个字段的结束引号会触发状态切换，后续的空白字符会被跳过，自然完成行尾判断。

2. 处理相邻字段间的空白：
   在非字段状态下，遇到空格、制表符等空白字符（通过std::isspace判断）直接跳过，仅在遇到字段起始引号时进入解析状态，彻底忽略字段间的冗余空白。

3. 字段内双引号保留为单个：
   在字段内状态下，遇到引号时检查下一个字符：如果是连续的第二个引号，说明是CSV的转义规则，仅向当前字段添加一个引号并跳过下一个字符；如果是单个引号，则判定为字段结束。

测试输出 #

运行代码后，四个测试用例的输出依次为：

ab
cd
---
ab
cd
---
ab
cd
---
a"b
c"d
---

内容的提问来源于stack exchange，提问作者DEKKER