ひどく設計されたcsvファイルが値を破る

Question

私はセパレータとしてttを使用するcsvファイルを持っています。しかし、一部の値がtで終わることがあるため、いくつかのエッジケースが壊れています。私はこのGem https://github.com/tilo/smarter_csvを使ってcsvデータを取得しています。壊れたデータの

例：

4909ttZSWttPrince RupertttCanadattCAttNorth Americatt54.3333tt-130.283 

出力：（市と国の値に注意してください）

{:id=>4909, :code=>"ZSW", :city=>"Prince Ruper", :country=>"tCanada", :country_code=>"CA", :continent=>"North America", :coordinate_x=>54.3333, :coordinate_y=>-130.283} 

単語がトンで終わる場合かどうかを確認することをCSVリーダーを伝える方法があります次の文字は大文字で始まり、それ以外の場合は区切りません。 （（tt）t repeatに注意してください）。これは私の現在のコードです：

options = { 
    :col_sep => 'tt', 
    :headers_in_file => false, 
    :user_provided_headers => [ 
    "id", 
    "code", 
    "city", 
    "country", 
    "country_code", 
    "continent", 
    "coordinate_x", 
    "coordinate_y" 
    ] 
} 
records = SmarterCSV.process(filename, options) 

Answer 1

@mudasobwaからインスパイアされました。答えコードをあまり変更しなくても済む別のソリューションも見つかりました。私は:col_sepの値をttから@mudasobwaによって提供される正規表現に置き換えました。

options = { 
    :col_sep => /tt(?=[^t]|tt)/, 
    :headers_in_file => false, 
    :user_provided_headers => [ 
    "id", 
    "code", 
    "city", 
    "country", 
    "country_code", 
    "continent", 
    "coordinate_x", 
    "coordinate_y" 
    ] 
} 
records = SmarterCSV.process(filename, options) 

版のノート：私はnilの値を許可する

​​3210

で正規表現

/tt(?=[^t])/ 

を交換しています。

Answer 2

スマートな宝石はここではあまりにも愚かなようです。

私は行くだろう：これは、配列の配列を生成します

File.readlines('path/to/file').map do |line| 
    line.split(/tt(?=[^t])/) 
end 

。この「スマートな」宝石によって提供される出力を望むかどうか：

File.readlines('path/to/file').map do |line| 
    user_provided_headers.zip(line.split(/tt(?=[^t])/)).to_h 
end 

Voilà。上記の動作は、セルの値が小文字の "t"で始めることができないことを前提としています。

Sidenote：「誰かが書いたコードをどのように使うのか」が素早くなり、小さなコードを書くのは簡単ではありません。

Answer 3

セパレータ文字列を;のような別の文字列に置き換えないのはなぜですか？ はたぶん余分な作業のように聞こえるが、それはあなたに多くの時間を節約し、ちょうどこのような何かを実行して構成されています

"HolattCatttHey".gsub(/(tt[A-Z])/) { |m| ";#{($1).sub('tt','')}"} 
=> "Hola;Cat;Hey" 

が、この後は、あなたが喜んであなたの宝石を使用することができます。