C# 在c中查找csv或文本文件的分隔符#

我想找到一个分隔符，用于分隔csv或文本文件中的列

我正在使用TextFieldParser类来读取这些文件

下面是我的代码

String path = @"c:\abc.csv";
DataTable dt = new DataTable();
if (File.Exists(path))
{
    using (Microsoft.VisualBasic.FileIO.TextFieldParser parser = new Microsoft.VisualBasic.FileIO.TextFieldParser(path))
    {
        parser.TextFieldType = FieldType.Delimited;
        if (path.Contains(".txt"))
        {       
            parser.SetDelimiters("|");
        }
        else
        {
            parser.SetDelimiters(",");
        }
        parser.HasFieldsEnclosedInQuotes = true;
        bool firstLine = true;
        while (!parser.EndOfData)
        {
            string[] fields = parser.ReadFields();
            if (firstLine)
            {
                  foreach (var val in fields)
                  {
                      dt.Columns.Add(val);
                  }
                  firstLine = false;
                  continue;
             }
             dt.Rows.Add(fields);
          }
     }
 lblCount.Text = "Count of total rows in the file: " + dt.Rows.Count.ToString();
 dgvTextFieldParser1.DataSource = dt;

我希望从文件中读取分隔符，然后传递它，而不是根据文件类型手动传递分隔符

---

我该怎么做呢？

数学上是正确的，但毫无用处。答案：这是不可能的

实用的回答：这是可能的，但取决于你对文件结构的了解程度。它归结为一系列假设，根据我们所做的假设，答案会有所不同。如果你不能做出任何假设，那么。。。请看数学上正确的答案

例如，我们可以假设分隔符是下面集合中的一个或任意一个元素吗

List<char> delimiters = new List<char>{' ', ';', '|'};

List delimiters=新列表{“”，“；”，“|”}；

或者我们可以假设分隔符产生的元素长度相等吗

我们应该试着找到一个单一字符的分隔符，还是一个单词可以是一个

等等

基于这个问题，我将假设这是第一个选项，并且我们有一组有限的可能字符，其中恰好有一个是给定文件的分隔符

你数一数每一个这样的角色出现的次数，并假设出现频率最高的就是那个？这是否足够严格，或者你需要更确定吗

List<char> delimiters = new List<char>{' ', ';', '-'};
Dictionary<char, int> counts = delimiters.ToDictionary(key => key, value => 0);
foreach(char c in delimiters)
  counts[c] = textArray.Count(t => t == c);

List delimiters=新列表{'，'；'，'-'}；
字典计数=分隔符。ToDictionary（key=>key，value=>0）；
foreach（分隔符中的字符c）
counts[c]=textArray.Count（t=>t==c）；

我不在计算机前，因此无法验证，但最后一步是从字典返回键，该键的值为最大值

---

您需要考虑一种特殊情况，即没有检测到分隔符，两种类型的分隔符数量相等等等。

您可能需要从文件中提取n个字节，使用哈希映射/字典计算可能的分隔符字符（或找到的所有字符），然后重复最多的字符可能就是您要查找的分隔符。对我来说，用作分隔符的字符将是使用最多的字符，这是有道理的。当您重置流时，由于您使用的是文本读取器，您可能需要初始化另一个文本读取器或其他东西。如果CSV使用了多个分隔符，那么这将变得更加复杂。您可能必须忽略一些字符，如字母和数字

使用LINQ的非常简单的猜测方法：

static class CsvSeperatorDetector
{
    private static readonly char[] SeparatorChars = {';', '|', '\t', ','};

    public static char DetectSeparator(string csvFilePath)
    {
        string[] lines = File.ReadAllLines(csvFilePath);
        return DetectSeparator(lines);
    }

    public static char DetectSeparator(string[] lines)
    {
        var q = SeparatorChars.Select(sep => new
                {Separator = sep, Found = lines.GroupBy(line => line.Count(ch => ch == sep))})
            .OrderByDescending(res => res.Found.Count(grp => grp.Key > 0))
            .ThenBy(res => res.Found.Count())
            .First();

        return q.Separator;
    }
}

这样做的目的是逐行读取文件（请注意，CSV文件可能包含换行符），然后检查每个潜在分隔符在每行中出现的频率。 然后，我们检查在大多数行上出现的分隔符，在相同行数上出现的分隔符中，我们选择分布最均匀的分隔符（例如，每行5个分隔符的排名高于在一行中出现一次，在另一行中出现10次的分隔符）。

---

当然，为了自己的目的，您可能需要对此进行调整，添加错误处理、回退逻辑等等。我确信它并不完美，但对我来说已经足够好了。

除了文件扩展名之外，你怎么知道分隔符是什么字符？你能数一数每个字符的实例，并假设最常见的一个是分隔符吗？这只是我用来读取两个文件的一个例子。我想做的是自动检测分隔符（不是基于文件类型，而是通过读取数据）。@Henry如果文件中有带引号（“”）的数据，那么最常见的是引号，而不是分隔符。如果假定的分隔符字符在引号内，您可以使用Henry的方法并进行例外（例如，使用RegEx）。我会找到的常见分隔符是一组列表分隔符=新列表{“”，“；”，“-”，“|'，”，“}@AMeh我认为这个想法是，大多数分隔格式对字段内容中出现的其他分隔符没有限制，因此，例如，您可以使用

在字段中用
、
或
|
分隔的文本，所有文本都将被检测到。你可以尝试根据频率提出一些启发，但如果没有额外的信息，我不确定你是否能确定。你能详细说明一下为什么需要自动检测它吗？数据源不能提供额外的存储信息吗？@ryachza我正在textfieldparser类上运行一个测试，以读取不同类型的文件并在datagrid中显示数据。为了提高性能，我希望尽可能地自动化该过程，因此，如果我想在将来读取多个不同类型的文件，我可以很容易地做到这一点，而无需花费太多精力来计算每个文件的分隔符。@AMeh我不确定我是否理解您所说的“为了性能”的含义-您试图优化什么？关于读取不同的文件类型-您从哪里获取正在读取的数据？我希望您的解析器对（格式、数据）对进行操作，而不是在每次读取数据时都尝试重新检测格式？@ryachza我猜OP希望呈现数据，并且需要一些便利，以便更容易地对读取的文件进行定界。因此，优化不是在算法方面，而是不需要手动调查文件（可能就是这样）。他的意思可能是自动化，而不是优化。