CSV格式特殊字符转义处理

• CSV是逗号分隔值(comama separated value)的缩写，也有一说是字符分隔值。因为分隔符也可以是其他字符。
• 当csv某个字段中包含换行(CRLF)、双引号、逗号(分隔符)时，整个字段必须用双引号括起来。例如:

"aaa","b CRLF
bb","ccc" CRLF
zzz,yyy,xxx

• 当csv某个字段用双引号括起来且字段中内容中还包含双引号时，必须在该引号前面再添加一个双引号进行转义。

"aaa","b""bb","ccc"

• 关于CSV的RFC文档: https://tools.ietf.org/html/rfc4180

• 下面是一个简单的示例代码(c语言),仅仅是个demo,写的并不是很完善

// gcc main.c
#include <stdio.h>
#include <stdlib.h>
#include <string.h>

#define  CSV_DELIM                 ","
#define  CSV_QUOTE                 "\""
#define  CSV_QUOTE_CHAR            '"'
#define  CSV_CRLF                  "\r\n"
#define  CSV_SPECIAL_CHARS         ",\"\r\n"

// 注意：
// 1, 这里假设escape buf足够大，不会出现溢出问题  
// 2, 并未考虑原始字符串就已经被双引号括起来的场景,如: "abc"这种可能已经不需要再加双引号了   
int escape_csv_string(char* escape_buf, const char* raw_data)
{
    int    found_special_char = 0;                    // 标识是否发现了双引号、逗号、CRLF中的任意一个特殊字符  
    const  char* first_non_quote_char = NULL;         // 记录“后面第一个字符的位置
    const  char* special_chars = CSV_SPECIAL_CHARS;

    int    buf_used_len = 0;
    const  char* tmp_val = raw_data;
    while (*tmp_val)
    {
        if (!found_special_char)                      // 只要发现一个特殊字符,就需要在该字段前后加". 后面就不需要再查找特殊字符了  
        {
            for (const char* c = special_chars; *c; ++c)
            {
                if (*tmp_val == *c)
                {
                    // 发现特殊字符,首先在整个字符串前面加一个",并设置标志位,以便整体遍历结束后在尾部也追加一个"   
                    strcat(escape_buf, CSV_QUOTE);
                    ++buf_used_len;
                    found_special_char = 1;
                    break;
                }
            }
        }

        // 如果特殊字符是",直接追加写进去两个""
        if (*tmp_val == CSV_QUOTE_CHAR)
        {
            if (NULL != first_non_quote_char)
            {
                // 发现"后,首先将上一个"之后到这个"之前的部分拷贝到buf中
                strncpy(escape_buf + buf_used_len, first_non_quote_char, tmp_val - first_non_quote_char);
                buf_used_len += tmp_val - first_non_quote_char;
                escape_buf[++buf_used_len] = '\0';
            }

            buf_used_len += 2;
            strcat(escape_buf, CSV_QUOTE);
            strcat(escape_buf, CSV_QUOTE);
            first_non_quote_char = NULL;    
        }
        else
        {
            // 记录第一个非"字符的位置
            if (NULL == first_non_quote_char)
                first_non_quote_char = tmp_val;
        }

        tmp_val++;
    }

    if (found_special_char)
    {
        if (NULL != first_non_quote_char)  // 最后一个字符是"
        {
            strcat(escape_buf, first_non_quote_char);
        }
        strcat(escape_buf, CSV_QUOTE);
    }
    else                                  // 说明字符串中没有特殊字符
    {
        strcat(escape_buf, raw_data);
    }
    return 0;
}


int main(int argc, char* argv[])
{
    while (1)
    {
        printf("\nplsese input a string:\n");
        char input[1024] = {0};
        scanf("%s", input);
        char output[1024] = {0};
        escape_csv_string(output, input);
        printf("After escape: s\n", output);
    }
    return 0;
}