24、CSV文件解析实战：读取并解析逗号分隔值文件

CSV文件，说白了就是逗号分隔值文件。你想想看，Excel表格导出来，或者数据库导出来，最常见的就是这种格式。我刚开始学C语言那会儿，觉得这玩意儿简单得很——不就是按逗号切分字符串嘛。结果真上手做项目，才发现坑多着呢。

今天咱们就手把手把这个CSV解析给啃下来。我会把我在实际项目中踩过的坑、总结的经验都抖出来。

CSV文件长什么样？

先看一个典型的CSV文件内容：

姓名,年龄,城市,职业
张三,28,北京,工程师
李四,35,上海,设计师
王五,22,广州,学生

嗯，就是这么简单。每行是一条记录，逗号是字段分隔符。但实际项目中，CSV可没这么乖。我遇到过的情况包括：

• 字段里包含逗号（比如地址"北京市,朝阳区"）
• 字段里包含换行符
• 字段用双引号包裹
• 空字段（比如"张三,,北京"）

所以，一个健壮的CSV解析器，必须能处理这些情况。

解析的核心思路

我个人习惯把CSV解析分成三个步骤：

1. 按行读取——用fgets或fscanf逐行读
2. 按逗号切分——遍历每个字符，遇到逗号就切一刀
3. 处理特殊字符——双引号、转义符等

说白了，就是状态机。每读一个字符，判断当前是在普通字段里，还是在双引号字段里，还是在等待下一个字段。

代码实现：一个健壮的CSV解析器

下面这个函数，是我在实际项目中打磨过的版本。它能处理双引号、空字段、字段内逗号等情况。

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

#define MAX_LINE 1024
#define MAX_FIELDS 100

// 解析一行CSV，返回字段个数
int parse_csv_line(char *line, char *fields[], int max_fields) {
    int count = 0;
    char *p = line;
    char *start = line;
    int in_quotes = 0;

    while (*p) {
        if (*p == '"') {
            in_quotes = !in_quotes;  // 切换引号状态
        } else if (*p == ',' && !in_quotes) {
            // 遇到逗号且不在引号内，切分字段
            *p = '\0';
            fields[count] = start;
            count++;
            start = p + 1;
            if (count >= max_fields) break;
        }
        p++;
    }
    // 处理最后一个字段
    fields[count] = start;
    count++;

    // 去掉字段首尾的双引号
    for (int i = 0; i < count; i++) {
        char *f = fields[i];
        int len = strlen(f);
        if (len >= 2 && f[0] == '"' && f[len-1] == '"') {
            f[len-1] = '\0';
            fields[i] = f + 1;
        }
    }

    return count;
}

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

    char line[MAX_LINE];
    char *fields[MAX_FIELDS];
    int line_num = 0;

    while (fgets(line, sizeof(line), fp)) {
        // 去掉换行符
        line[strcspn(line, "\n")] = '\0';
        line_num++;

        int count = parse_csv_line(line, fields, MAX_FIELDS);
        printf("第%d行: %d个字段\n", line_num, count);
        for (int i = 0; i < count; i++) {
            printf("  字段%d: %s\n", i+1, fields[i]);
        }
    }

    fclose(fp);
    return 0;
}

处理更复杂的情况

上面的代码已经能应付大部分场景了。但如果你遇到下面这些情况，还得再加强：

场景	处理方法
字段内包含双引号（如"他说""你好"""）	连续两个双引号转义为一个
字段内包含换行符	需要跨行读取，直到找到匹配的引号
编码问题（UTF-8 BOM头）	读取第一行时检查前三个字节是否为EF BB BF
空行	跳过或返回空字段数组

我曾经在处理一个从Windows导出的CSV时，发现每行末尾都有\r\n，而Linux下只有\n。这个坑让我排查了半天。所以，跨平台解析时，一定要处理\r字符。

知识体系总览

下面这张图，把CSV解析的核心逻辑串起来了：

避坑指南

嗯，这些坑我都踩过。现在写CSV解析器，我会先问清楚：文件是哪个系统生成的？字段里有没有特殊字符？要不要处理引号？

总结一下

CSV解析看着简单，但要做好、做稳，还是得下点功夫。核心就三点：

• 逐字符解析，别偷懒用库函数
• 状态机思维，处理引号和转义
• 边界情况，空字段、空行、特殊字符都要考虑

你想想看，如果连CSV都解析不好，后面那些数据分析、报表生成的工作根本没法做。所以，把这个基础打扎实了，后面就顺了。

---