Ruby 2.0 CSV阅读器以不同的方式处理Microsoft Excel生成的CSV文件，而不会去除控制字符
问题： Mac上的Ruby 2.0 CSV阅读器Mavericks将Microsoft Excel生成的CSV文件以不同方式embeddedHTML。 用FasterCSV在Ruby 1.8上运行良好。
我刚刚将我的Mac升级到了Mavericks（OS X 10.9.4），并将Ruby升级到了2.0.0p451（我曾经使用Ruby 1.8+和FasterCSV gem，但是现在使用的是Ruby 2.0以及原生CSV）。
ruby版本：
ruby -v ruby 2.0.0p451 (2014-02-24 revision 45167) [universal.x86_64-darwin13] CSV文件是从Office 2011生成的，从原始的“.xlsx”文件保存。
下面的HTML包含在Microsoft .xlsx文件的单个单元格中，然后将其保存为CSV …
<h1 style="text-align:center; font: bold 1.5em Arial;">This is the Title</h1> <p style="text-align:center;"><img style="width:300px; height:100px" src="./IMAGES/MAIN/image1.png" alt="Image 1"/></p> <p style="text-align:center;">This is a sentence.</p>
还有其他单元格，也embedded了HTML代码。
重现…
- 打开一个Excel工作表
- 将上面的HTML复制到单元格A1（确保有Mac回车控制+命令+ HTML结构之间的返回（例如在“h1”结构的结尾和新的“p”结构的开始之间），以确保行在所有完整的HTML结构之间切换，就在Excel单元格中。
- 将单元格A1中的内容复制到单元格A1正下方的单元格A2，以确保多个CSV行（您的文件将有两个正式的CSV行）。
- 首先将文件保存为xlsx文件（例如“file.xlsx”）
- 然后将工作表保存为CSV文件（例如“file.csv”）。
您现在将拥有一个Excel生成的CSV文件，该文件有两个正式的CSV行，其中每行都有多个由行提要分隔的HTML构造。
读取CSV文件…
我使用下面的代码来读取CSV文件，并在我试图去除控制字符之前和之后打印每个单元格的内容…
arrayOfHtmlConstructs = CSV.read( file.csv ) arrayOfHtmlConstructs.each_with_index do | construct, i| output = "" << construct.to_s puts "BEFORE: " << output output = output.gsub(/\r/, "") # Replace Microsoft carriage returns FAILS! output = output.gsub(/\\"/, "\"") # Replace escaped quotes with quotes WORKS FINE! output = output.gsub(/\[\"/, "") # Remove prefix [" WORKS FINE! output = output.gsub(/\"\]/, "") # Remove suffix "] WORKS FINE! puts "AFTER: " << output end
试图剥离代码之前，CSVstring“ 输出 ”如下所示…
BEFORE: ["<h1 style=\"text-align:center; font: bold 1.5em Arial;\">This is the Title</h1>\r<p style=\"text-align:center;\"><img style=\"width:300px; height:100px\" src=\"./IMAGES/MAIN/image1.png\" alt=\"Image 1\"/></p>\r<p style=\"text-align:center;\">This is a sentence.</p>"]
你会注意到，它包括[“在开始和结束”，以及逃脱报价和embedded式回车/ R
问题：所有的gsub语句除了试图用空格replace所有回车符的语句之外都是有效的。
运行Ruby脚本后，string“ 输出 ”看起来如下所示，其中一切正常replace，除了回车…
AFTER: <h1 style="text-align:center; font: bold 1.5em Arial;">This is the Title</h1>\r<p style="text-align:center;"><img style="width:300px; height:100px" src="./IMAGES/MAIN/image1.png" alt="Image 1"/></p>\r<p style="text-align:center;">This is a sentence.</p>
出于某种原因，回车没有被replace/replace。
另外，在升级到Ruby 2.0之前，我曾经使用FasterCSV，并且不需要任何replace语句。 一切正常。
任何想法，为什么这一切都发生，如何妥善处理呢？ 任何援助非常感谢。
我的答案的范围已经改变，所以我已经编辑了只是正则expression式，因为这似乎是更多的主题。
我已经更新了我的expression式来覆盖所有的replace，只需更新以下代码块即可：
arrayOfHtmlConstructs.each_with_index do | construct, i| output = "" << construct.to_s puts "BEFORE: " << output output = output.gsub(/\\"/, "\"") # Replace escaped quotes with quotes WORKS FINE! output = output.gsub(/(\\r|\[|\])/, "") puts "AFTER: " << output end
尝试这个：
@csv = CSV.read(params[:file].path, headers: true, skip_blanks: true, encoding:'windows-1256:utf-8')
您需要执行Microsoft CSV编码