文章摘要
这篇文章介绍了如何在Ruby中处理CSV格式的数据。CSV文件的特点是以逗号分隔字段，换行符分隔记录。文章详细讨论了读取和写入CSV文件时的常用设置，如字段分隔符、记录分隔符、引用符号、标题行等，并提供了常见的写入示例。此外，文章还解释了如何使用`CSV`库的`generate_line`、`read`、`parse`等方法处理数据，并展示了如何将字符串转换为CSV对象以及如何读取和解析CSV数据。文章还提到，使用`CSV`库可以创建CSV对象并对其进行操作，例如读取一行数据、判断是否读取完整、重置偏移等。文章最后还讨论了如何通过指定转换器对字段进行类型转换。
CSV格式的数据默认是以逗号分隔各个字段的一条一条记录,默认用换行符分隔每一条记录。此外,有的CSV有标题行，有的没有。还有其他一些格式， 它们都有默认值，但都可以在读、写CSV数据时修改默认设置。后文大多数时候故意忽略这些设置，因为绝大多数读写操作都使用同样的参数进行格式设置。例如，在读取csv文件中的数据时想要忽略标题行，可以在参数中设置
可设置的项及其默认值包括：
col_sep: “,”, #=> 字段分隔符
row_sep: :auto, #=> 记录分隔符
quote_char: ‘”‘, #=> 包围字段的符号
field_size_limit: nil, #=> 限制字段的字符数量
converters: nil, #=>
unconverted_fields: nil,
headers: false, #=> 读取时忽略标题行，具体参考官方手册
return_headers: false,
write_headers: nil,
header_converters: nil,
skip_blanks: false, #=> 忽略空行
force_quotes: false, #=> 设置为true时，所有字段都将使用被包围
skip_lines: nil, #=> 指定一个正则(str也会转换为正则)，
#=> 匹配的行将被当作注释行而忽略
liberal_parsing: false,
internal_encoding: nil,
external_encoding: nil,
encoding: nil,
nil_value: nil, #=> 使用此处设置的值替换所有nil字段
empty_value: “”, #=> 使用此处设置的值替换所有空字符串字段
quote_empty: true, #=> 设置为false时，空字符串字段将转换为空字段
write_converters: nil,
write_nil_value: nil, #=> 将以此处的值替换nil字段写入文件
write_empty_value: “”,
strip: false
要向文件中写入CSV格式的数据：
require ‘csv’
writer=CSV.open(‘/tmp/file.csv’, ‘w’)
writer << [“junmajinlong”, 29, 170, true]
writer << [“junma”, 24, 176, false]
writer << [“jinlong”, 25, 172, nil]
writer << [“majinlong”, 23, 173, false]
writer.close
写入完成后，查看：
junmajinlong,29,170,true
junma,24,176,false
jinlong,25,172,
majinlong,23,173,false
注意其中的nil对应的写入内容为空。
可以直接在语句块中写入，这样的话可以自动关闭CSV.open()打开的IO流：
require ‘csv’
CSV.open(‘/tmp/file.csv’, ‘w’) do |writer|
writer << [“junmajinlong”, 29, 170, true]
writer << [“junma”, 24, 176, false]
writer << [“jinlong”, 25, 172, nil]
writer << [“majinlong”, 23, 173, false]
end
CSV.open()打开的是一个封装后的IO流对象，它除了可以使用CSV单独为其提供的一些方法(比如这里的)外，还可以使用很多IO流对象的方法，比如seek()、tell()、flush()、eof?()、fsync()等等。
这里使用的方法是单独为其提供的，它涉及两个执行过程：
将数组中各元素全部转换成字符串类型并使用逗号连接按行写入到csv打开的文件中如果只是想执行第一个过程，即将数据转换成CSV格式的字符串而不写入，可使用类方法：
p CSV.generate_line [“junmajinlong”, 29, 170, true]
p CSV.generate_line [“jun ma”, 24, 176, false]
p CSV.generate_line [“jinlong”, 25, 172, nil]
p CSV.generate_line [“jin, long”, 23, 173, false]=begin
“junmajinlong,29,170,true\n”
“jun ma,24,176,false\n”
“jinlong,25,172,\n”
“”jin, long”,23,173,false\n”=end
如果想要读取CSV文件，可使用类方法read()或别名readlines()：
pp CSV.readlines(‘/tmp/file.csv’)=begin
[[“junmajinlong”, “29”, “170”, “true”],
[“junma”, “24”, “176”, “false”],
[“jinlong”, “25”, “172”, nil],
[“majinlong”, “23”, “173”, “false”]]=end
注意：
读取CSV文件内容时，每行保存为一个数组，每个字段是这个数组中的一个元素读取CSV文件内容时，除了不存在的字段转换为nil外，其它所有的数据都转换成了字符串类型。所以有时候可能需要去转换读取时的数据类型。关于类型转换，见后文如果要按行读取CSV文件的内容，使用类方法foreach()：
CSV.foreach(‘/tmp/file.csv’) do |row|
p row
end=begin
[“junmajinlong”, “29”, “170”, “true”]
[“junma”, “24”, “176”, “false”]
[“jinlong”, “25”, “172”, nil]
[“majinlong”, “23”, “173”, “false”]=end
如果想要从字符串中读取CSV格式的数据，使用parse()和parse_line()，分别用于解析多行字符串和解析单行字符串(超出一行的自动被忽略)。
parse()不指定语句块时，返回包含解析每一行得到的数组，即一个数组的数组，它是一个csv table类型，有很多自己的方法指定语句块时，每一行对应的数组传递给语句块控制变量str1=<<-eof
junmajinlong,29,170,true
jun ma,24,176,false
jinlong,25,172,
“jin, long”,23,173,false
eof
# 不指定语句块时，parse返回数组
pp CSV.parse str1=begin
[[“junmajinlong”, “29”, “170”, “true”],
[“jun ma”, “24”, “176”, “false”],
[“jinlong”, “25”, “172”, nil],
[“jin, long”, “23”, “173”, “false”]]=end
# 指定语句块时，parse将每行对应的数组传递给语句块
CSV.parse(str1) {|row| p row}=begin
[“junmajinlong”, “29”, “170”, “true”]
[“jun ma”, “24”, “176”, “false”]
[“jinlong”, “25”, “172”, nil]
[“jin, long”, “23”, “173”, “false”]=end
str2=”junmajinlong,29,170,true”
p CSV.parse_line str2
[“junmajinlong”, “29”, “170”, “true”]
、可以创建csv对象(即一行一行csv格式的数据)可将字符串转换成csv对象并将该对象传递给语句块、或可向CSV目标中(字符串格式的CSV或CSV IO流)写入行，它们是别名关系、、可从csv对象中读取一行数据、可以读取csv对象中的所有数据可以从csv对象中迭代每一行或可以判断是否读完所有数据可以重置当前csv对象的偏移指针可以获取最近一次读取的一行数据可以获取当前已读取的行数可以获取当前读取的csv文件名
CSV.parse()、CSV.read()、CSV.table()等方法返回的都是数组的数组(二维数组)，它们是CSV Table。
CSV table按照表的方式来处理csv数据，比如关注于行、关注于字段的一些操作可以采用csv table相关的方法来处理。
# Headers are part of data
data=CSV.parse(<<~ROWS, headers: true)
Name,Department,Salary
Bob,Engineering,1000
Jane,Sales,2000
John,Management,5000
ROWS
data.class #=> CSV::Table
data.first #=> #<CSV::Row “Name”:”Bob” “Department”:”Engineering” “Salary”:”1000″>
data.first.to_h #=>
# Headers provided by developer
data=CSV.parse(‘Bob,Engineering,1000’, headers: %i[name department salary])
data.first #=> #<CSV::Row name:”Bob” department:”Engineering” salary:”1000″>
读取CSV数据时，所有的数据都会转换为字符串格式。
# Without any converters:
CSV.parse(‘Bob,2018-03-01,100’)
#=> [[“Bob”, “2018-03-01”, “100”]]
可以在迭代每一行的语句块中对字段做必要的类型转换。
但如果类型转换方式比较简单，可以在读取数据时指定converters属性进行转换。该属性的值要么是CSV的内置类型符号，要么是符号数组，要么是一个lambda表达式。有如下内置类型：
Integer
Float
Numeric (Float + Integer)
Date
DateTime
All
当指定了类型转换后，每个字段将针对converters的值尝试做转换，转换失败则保留字段的值不变，所以如果通过lambda自定义类型转换时也一定要保证这一点。
CSV.parse(“1,2,3,4,5”, converters: :numeric)
#=> [[1, 2, 3, 4, 5]]
# With built-in converters:
ct=CSV.parse(‘Bob,2018-03-01,100’, converters: %i[numeric date])
#=> [[“Bob”, #<Date: 2018-03-01>, 100]]
ct.first[1] + 1 # 日期对象，加1天
#=> #<Date: 2018-03-02 ((2458180j,0s,0n),+0s,2299161j)>
# With custom converters:
CSV.parse(‘Bob,2018-03-01,100’, converters: [->(v) { Time.parse(v) rescue v }])
#=> [[“Bob”, 2018-03-01 00:00:00 +0200, “100”]]
更多关于Ruby操作CSV格式数据方法请查看下面的相关链接
您可能感兴趣的文章:浅谈Ruby on Rails下的rake与数据库数据迁移操作Ruby连接使用windows下sql server数据库代码实例在Ruby程序中连接数据库的详细教程Ruby中访问SQL Server数据库的配置实例ruby+nokogori抓取糗事百科前10页并存储进数据库示例