1

Preciso ler uma arquivo cvs com os seguintes campos:

Id,OwnerUserId,CreationDate,Score,Title,Body    

Id    inteiro  
OwerUserID    inteiro  
Data     vou armazerna como char    
Score     inteiro  
Title      texto  
Body       texto 

Exemplo de uma linha(sao muitas linhas) :

469, 147, 2008-08-02T15:11:16Z, 21, How can I find the full path to a font from its   display name on a Mac?, "Iam using the Photoshop's.......</ul> "  

Esses..... no campo body foi para encurtar, pois o tamanho do texto e bem maior

e armazenar em uma vetor de structs do tipo:

struct Questions {

    int id;  
    int ownerUsedId;  
    char creationDate[30];  
    int score;
    char title[100];
    char body[200];

}; 

Para isso fiz a seguinte função:

void loadQuestions( fstream &file, Questions *questions)
{
    string registro;



    getline(file, registro);


    char *buffer =new char[500];
    char *ptr;

    getline(file, registro); 
    strcpy(buffer, registro.c_str());  



    ptr = strtok(buffer, ",");
       cout << atoi(ptr) << "   ";// pega o campo id

    ptr = strtok(NULL, ",");
       cout << atoi(ptr) << "    ";// pega o campo ownerUsedId

    ptr = strtok(NULL, ",");// pega o campo data
       cout << (ptr) << "    ";

    ptr = strtok(NULL, ",");// pega o campo score
       cout << atoi(ptr) << "    ";



} // mostrei na tela para ver se o programa tava certo, nao armazenei ainda na struct  

Ate a quarta virgula deu tudo certo, estou separando por virgula, mas surge o problema: tanto no campo title ou body pode aparecer uma virgula no meio de texto, forçando strtok para neste ponto , com isso bagunçado toda a leitura.

Pergunta : como armazenar cada campo corretamente na minha estruct, visto que no campo body e tittle pode aparecer varias virgulas, uma coisa que percebi foi que o campo Body começa e termina com aspas("") , ou seja poderia usar aspa como delimitara para copiar esse campo, mas dentro do campo body( que é um texto) pode haver aspas (" ")
Como possa copiar cada um desse campos corretamente?

1
  • Se o que pretende capturar for bastante especifico então começa a ser mais fácil utilizar uma regex. No seu caso em particular o mais simples será provavelmente trocar o strotok do title para apanhar " ao invés de ,
    – Isac
    Commented 16/03/2018 às 21:37

1 Resposta 1

1

Você pode usar uma abordagem composta. Até o quarto campo você usa o strtok, dali em diante você faz um for procurando pela primeira ocorrência de aspas (início do Body), tudo que juntou até ali é o Title e dali até o final é o Body.

3
  • o problema que, no campo title pode aparecer uma aspa, sao 600000 linhas , com os mais variados texto no campo title
    – Andre Luiz
    Commented 16/03/2018 às 21:38
  • Você não havia falado de aspas no title também :) Você tem controle sobre a geração do arquivo?
    – prmottajr
    Commented 16/03/2018 às 21:48
  • esqueci de falar da possibilidade das aspas no title, nao tenho controle nao , esse é um dataset do site kaggle.com/stackoverflow/pythonquestions. é um arquivo com 600000 mil registros, ai nao consigo olhar um por um para ver se existe algumas aspas no campo title
    – Andre Luiz
    Commented 16/03/2018 às 22:35

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .