Plik CSV z portalu discogs

Plik CSV z portalu discogs
BU
  • Rejestracja:ponad 22 lata
  • Ostatnio:około 13 godzin
  • Postów:297
0

Witam,
Powróciłem na forum, gdyż mam problem i nie wiem jak sobie poradzić. Otóż mam do analizy plik csv z danymi z portalu discogs. Generalnie delimiterem jest symbol przecinka. Natomiast chyba coś źle działa, ponieważ czasami źle są złamane linie. Chcę to automatycznie przed dalszą obróbką naprawić. Poprawnie zakończona linia posiada przecinek i znak końca linii, natomiast źle złamana tylko znak końca linii. Próbuję wykorzystać funkcję Pos pracującej w pętli w następujący sposób:

Kopiuj
if Pos(',' + sLineBreak, data.Strings[i]) > -1 then ...

Niestety nie działa. Funkcja Pos zwraca 0.
Jak ugryźć temat? Podpowie mi ktoś?


Pozdrawiam
Buster
edytowany 1x, ostatnio: flowCRANE
0

pokaz plik przykladowy lepiej.

BU
  • Rejestracja:ponad 22 lata
  • Ostatnio:około 13 godzin
  • Postów:297
0

Załączam fragment. Całość ma kilka tysięcy linii. Ale w tym fragmencie jest to o co mi chodzi. Jak widać, dwa rekordy są źle złamane. W całym pliku jest tego kilkadziesiąt.


Pozdrawiam
Buster
flowCRANE
Z tego co widzę, ten plik ma 12 linii. Coś się chyba zepsuło podczas dodawania pliku do załączników.
GS
  • Rejestracja:ponad 14 lat
  • Ostatnio:minuta
0
Kopiuj
pos(.....) >-1 

to wyrażenie zawsze jest True, bo ```pos`` jesli znajdzie to zwraca indeks pierwszego znaku lub zero gdy nie znajdzie, ale zawsze jest to wartość nieujemna

PA
  • Rejestracja:ponad 22 lata
  • Ostatnio:około 7 godzin
  • Postów:3878
2

Nie, plik jest jak najbardziej poprawny, po prostu kolumna comments ma kilkuwierszowe wartości, ale to wyłapuje się kwalifikatorem tekstu. Poraz kolejny ewangelizuje ;) CSV nie oznacza: pisz parser.

Możesz skorzystać z porady i użyć Microsoft Text Driver: Odczyt plików CSV przez ADO

I odpowiednie schema.ini:

Kopiuj
[plik.csv]
Format=CSVDelimited
ColNameHeader=True
TextDelimiter="
DecimalSymbol=.
Col1=listing_id Text
Col2=artist Text
Col3=title Text
Col4=label Text
Col5=catno Text
Col6=format Text
Col7=release_id Text
Col8=status Text
Col9=price Double
Col10=listed DateTime
Col11=comments Text
Col12=media_condition Text
Col13=sleeve_condition Text
Col14=accept_offer Text
Col15=external_id Text
Col16=weight Double
Col17=format_quantity Double
Col18=flat_shipping Double
Col19=location Text

W połączeniu z zapytaniem:

Kopiuj
SELECT
    *
FROM [Text;Database=C:\katalog\z\plikiem\].plik.csv

Da Ci piękny zestaw danych do obróbki

edytowany 2x, ostatnio: Panczo
flowCRANE
Moderator Delphi/Pascal
  • Rejestracja:ponad 13 lat
  • Ostatnio:około 3 godziny
  • Lokalizacja:Tuchów
  • Postów:12175
0

@Buster: jeżeli załadujesz zawartość tekstowego pliku do obiektu typu TStrings (a zakładam, że Data z Twojego kodu to właśnie taka lista), to wszystkie znaki końca linii zostaną podczas ładowania usunięte. Jeżeli chcesz mieć możliwość operowania na takich znakach to załaduj zawartość pliku do zwykłego łańcucha i dla takiego łańcucha napisz sobie funkcję walidującą.

Choć ręczne parsowanie takich plików nie jest najlepszym pomysłem.


Pracuję nad własną, arcade'ową, docelowo komercyjną grą z gatunku action/adventure w stylu retro (pixel art), programując silnik i powłokę gry od zupełnych podstaw, przy użyciu Free Pascala i SDL3. Więcej informacji znajdziesz na moim mikroblogu.
edytowany 1x, ostatnio: flowCRANE
BU
  • Rejestracja:ponad 22 lata
  • Ostatnio:około 13 godzin
  • Postów:297
0

Sposób fajny. Niestety nie mogę skorzystać. Używam Delphi 10.1 Berlin Starter. Nie mam komponentów ADO. Da się skorzystać z komponentów 3rd party? ZEOS lub JEDI? Pozostaje pytanie, czy je zainstaluje.

furious programming. Boję się, że może być problem. Da się załadować do stringa 2 MB?


Pozdrawiam
Buster
edytowany 1x, ostatnio: flowCRANE
flowCRANE
Moderator Delphi/Pascal
  • Rejestracja:ponad 13 lat
  • Ostatnio:około 3 godziny
  • Lokalizacja:Tuchów
  • Postów:12175
0

Boję się, że może być problem. Da się załadować do stringa 2 MB?

Da się nawet 2GB. Zresztą, załadowanie zawartości pliku do zwykłego łańcucha znaków nie spowoduje żadnego narzutu pamięci, natomiast w przypadku listy, ten narzut będzie relatywnie duży**1**. Jeśli więc martwisz się o pamięć to tym bardziej powinieneś skorzystać ze zwykłego ciągu znaków.

1. Narzut pamięci spowodowany jest tym, że każda linia z pliku reprezentowana jest w pamięci przez rekord z dwoma polami - ciągiem znaków oraz referencją do opcjonalnego obiektu. Natomiast sama lista alokuje pamięć niejako na zapas, więc podczas wczytywania danych, zaalokuje więcej pamięci dla węzłów listy, niż jest to konieczne. Ale tym nie ma sensu się przejmować - chyba że masz 30-letni komputer.


Pracuję nad własną, arcade'ową, docelowo komercyjną grą z gatunku action/adventure w stylu retro (pixel art), programując silnik i powłokę gry od zupełnych podstaw, przy użyciu Free Pascala i SDL3. Więcej informacji znajdziesz na moim mikroblogu.
edytowany 4x, ostatnio: flowCRANE
KA
  • Rejestracja:prawie 20 lat
  • Ostatnio:minuta
  • Lokalizacja:Gorlice
1

A dlaczego nie sprawdzać czy ostatnim znakiem w linii jest przecinek?

Kopiuj
if data.Strings[Length(data.Strings[i])] = ',' then

Nie odpowiadam na PW w sprawie pomocy programistycznej.
Pytania zadawaj na forum, bo:
od tego ono jest ;) | celowo nie zawracasz gitary | przeczyta to więcej osób a więc większe szanse że ktoś pomoże.
PA
  • Rejestracja:ponad 22 lata
  • Ostatnio:około 7 godzin
  • Postów:3878
0

@kAzek w tym wypadku tak jest bo ostatni kolumna jest "pusta" jak będzie wypełniona to nie będzie przecinka.
Wycięcie lini "błędnych" nic nie da bo spowoduje tylko utratę danych z kolumn: media_condition,sleeve_condition,accept_offer,external_id,weight,format_quantity,flat_shipping,location
i wtedy OP będzie walczył jak to dodać i wróci do punktu wyjścia...

@Buster Nie wiem czy w ZEOS poradzi sobie z tym ale obsługuje ADO więc powinno być to możliwe, nie jestem jednak znawcą delphi i ZEOS więc niech inni się wypowiedzą.

KA
@Panczo skoro autor pytania ma problem właśnie z takim plikiem w którym na końcu linii powinien być przecinek (bo ostatnia kolumna jest pusta) i raczej chodzi o jednorazową automatyczną poprawę to sprawdzać jak napisałem będzie najprościej. A z tego co pisze pytający domyślam się nie ma byś super mega uniwersalne rozwiązanie tylko jednorazowy przypadek.
PA
@kAzek: Z kilku tysięcy linii mamy 12 trochę za mało na to by wyciągać wnioski na temat całości. Ja mam prywatną misje uswiadamiania programistów o tym, ze csv to nie rzeźbienie w g... tylko normalna praca z danymi.
KA
Skoro autor pytania pisze że tak jest to raczej jest i jak to ma być tylko jednorazowa naprawa pliku (czyli poprawienia nieprawidłowo podzielonych wierszy) to nie ma sensu się pierniczyć.
PA
W moim odczuciu poprawianie poprawnych danych jest pierniczeniem ;) ale przyznaje mam na tym punkcie odchył...
MI
  • Rejestracja:około 10 lat
  • Ostatnio:około 8 lat
  • Postów:5
0

ZEOS to otwiera prawidłowo beż potrzeby modyfikowania i w Delphi i Lazarus(Win) RO:

Kopiuj
...
  object ZConnection1: TZConnection
    ControlsCodePage = cCP_UTF16
    Catalog = ''
    Connected = True
    HostName = ''
    Port = 0
    Database = 
      'Provider=Microsoft.ACE.OLEDB.12.0;Data Source=C:\Program Files (' +
      'x86)\Embarcadero\Studio\17.0\testdb3\csv\;Extended Properties=te' +
      'xt;Persist Security Info=False'
    User = ''
    Password = ''
    Protocol = 'ado'
    Left = 16
  end
  object ZQuery1: TZQuery
    Connection = ZConnection1
    Active = True
    SQL.Strings = (
      'select * from plik.csv')
    Params = <>
    Left = 56
  end
...

miab

edytowany 1x, ostatnio: flowCRANE

Zarejestruj się i dołącz do największej społeczności programistów w Polsce.

Otrzymaj wsparcie, dziel się wiedzą i rozwijaj swoje umiejętności z najlepszymi.