Forum PHP.pl

Witam,

Jak w temacie proszę o pomoc w napisaniu parsera plików csv. Wiem że php oferuje juz gotowe rozwiązanie w postaci fgetcsv, natomiast funkcja ta ma problem z obcymi znakami, np cyrylica, hebrajskie i chociazby polskie ogonki.

wyciaganie poprzez fgetcsv danych z csvłki z wymienionymi wyzej znaczkami powoduje wykasowanie owych znaków, natomiast ten sam plik otwarty poprzez file juz wyswietla się ok.

kodowanie pliku jak i skryptów utf-8

zacząłem pisać własny parser, ale napotkałem problem, jezeli w lini jest wiecej niż jeden string oddzielany jakimiś cudzysłowiami albo w stringu znajdują się zdefiniowane delimitery, oto przykłady problematycznych sctingów, może ktoś da radę pomoc, lub ma już gotowe rozwiązanie?

[PHP] pobierz, plaintext 
$string = 'Imię,ąęśćźżłóĄĘŚĆŹŻŁÓ,"jakiś, string i \"cos escapowanego\"",jan@kowalski.pl
Январь,Ковальский,"jakis inny string, i cos jeszcze",janek@kowalski.pl';
 
function parse_csv($file,$delimiter=',',$enclosure='"')
{
    $allowed_delimiters = array(",",";","|","\t");
    $allowed_enclosures = array('"',"'","");
 
    $tmp = array();
    $patt_d = $delimiter == ' ' ? 's' : $delimiter;
 
    foreach (file($file) as $line)
    {
        $l = str_replace(array("\n","\r\n"),'',$line);
 
        $l = preg_match_all('/(?:"(?:\\"|[^"])*"|[^,]*)/',$l,$out);
        $tmp[] = $out;
    }
    return $tmp;
}
[PHP] pobierz, plaintext 

Nie wiem jak napisać odpowiedniego regespa, żeby posortował mi wszystko tak jak powinien.

Jak ma problem, jak jakoś używam jej i bez problemu czytam dane w UTF-8?

No niestety ma problem, bo jakby go nie bylo to wciaz bym uzywal tej wbudowanej funkcji.

Niemniej jednak nie zbaczajac z toru, czy znalazłby sie ktos, kto ogarnałby temat z regexpem do csvałek? googluje juz jakis czas i nic znaleźć nie mogę...

Ja też nie miałem nigdy problemów z utf8. Wygląda na to że gdzieś masz błąd i przez to próbujesz wynaleźć koło na nowo.

ok to moze inaczej.

Mam csvlke wygenerowana pod windowsem wysylam formularzem na serwer postawiony na linuxie. Problem jest z kodowaniem niby oba pliki kodowane sa w utf-8, nawet dla pewnosci jeszcze raz go zapisuje w utf-8 (notepad++) niestety po wyslaniu i wywolaniu funkcji fgetcsv ogonki i non-latino sie kasuja. natomiast file() otwiera plik i prawidlowo wyswietla wszystkie znaki.

jakas propozycja?

Dołącze się do tematu ponieważ mam podobny problem z plikami csv w kodowaniu utf-8 i funkcją fgetcsv pobiera mi pola ale bez pierwszych znaków z ogonkami np zamiast "Černěves 50" mam "erněves 50".
Jeśli pierwsza litera jest zwykła tzn np C a nie Č to wszystko jest w porzadku. W tekscie później już też nie ma problemów, tylko pierwszy znak się wysypuje.