js读取CSV格式数据,参考如下:
<script type="text/javascript">// This will parse a delimited string into an array of
// arrays. The default delimiter is the comma, but this
// can be overriden in the second argument.
function CSVToArray( strData, strDelimiter ){
// Check to see if the delimiter is defined. If not,
// then default to comma.
strDelimiter = (strDelimiter || ",")
// Create a regular expression to parse the CSV values.
var objPattern = new RegExp(
(
// Delimiters.
"(\\" + strDelimiter + "|\\r?\\n|\\r|^)" +
// Quoted fields.
"(?:\"([^\"]*(?:\"\"[^\"]*)*)\"|" +
// Standard fields.
"([^\"\\" + strDelimiter + "\\r\\n]*))"
),
"gi"
)
// Create an array to hold our data. Give the array
// a default empty first row.
var arrData = [[]]
// Create an array to hold our individual pattern
// matching groups.
var arrMatches = null
// Keep looping over the regular expression matches
// until we can no longer find a match.
while (arrMatches = objPattern.exec( strData )){
// Get the delimiter that was found.
var strMatchedDelimiter = arrMatches[ 1 ]
// Check to see if the given delimiter has a length
// (is not the start of string) and if it matches
// field delimiter. If id does not, then we know
// that this delimiter is a row delimiter.
if (
strMatchedDelimiter.length &&
(strMatchedDelimiter != strDelimiter)
){
// Since we have reached a new row of data,
// add an empty row to our data array.
arrData.push( [] )
}
// Now that we have our delimiter out of the way,
// let's check to see which kind of value we
// captured (quoted or unquoted).
if (arrMatches[ 2 ]){
// We found a quoted value. When we capture
// this value, unescape any double quotes.
var strMatchedValue = arrMatches[ 2 ].replace(
new RegExp( "\"\"", "g" ),
"\""
)
} else {
// We found a non-quoted value.
var strMatchedValue = arrMatches[ 3 ]
}
// Now that we have our value string, let's add
// it to the data array.
arrData[ arrData.length - 1 ].push( strMatchedValue )
}
// Return the parsed data.
return( arrData )
}
</script>
前台可以通过JS过滤文件类型,如果是CSV,允许上传,如果不是,给出提示。 后台先上传文件,如果成功,记录成功数量,失败记录失败数量。(这里记住要先上传在解析, 外在因素可能导致多种失败的情况。) 具体信息可以让他下载后查看。第一种方式: 先入库后使用我们假设现在有有一个CSV文件Contacts.CSV 文件的内容是联系人信息。首先我们需要在数据库中建一个对应的表TC_Contacts,然后利用下面的SQL代码将CSV文件导入到这个表里面:INSERT INTO TC_Contacts23 SELECT * FROM4 OPENROWSET('MSDASQL',5 'Driver={Microsoft Text Driver (*.txt*.csv)}6 DEFAULTDIR=D:\DataExtensions=CSV',7 'SELECT * FROM "Contacts.CSV"')其中:1.TC_Contacts为目标表的名字。对于目标表,要求对应的字段能够接收CSV文件中对象列的数据,这里特别需要注意的是字符串的长度,日期时间格式和整数浮点数的处理由于CSV文件中实际上都是字符串,那么在导入的过程中就有可能出现不能转换的情况。例如:日期格式不符合数据库的要求,或者字符串不能转化为整数或者浮点数等。对于目标表,字段数目和顺序可以和CSV文件中的不一样。其实在整个的SQL语句中只有OPENROWSET是用来处理CSV文件的。其它部分都是普通的T-SQL,在T-SQL中能做的事情在这里都可以做。例如:如果你的TC_Contacts比CSV多一个字段gid uniqueidentifier ,那么就可以把SQL语句修改为:1 INSERT INTO TC_Contacts2 SELECT newid(),* FROM3 OPENROWSET('MSDASQL',4 'Driver={Microsoft Text Driver (*.txt*.csv)}5 DEFAULTDIR=D:\DataExtensions=CSV',6 'SELECT * FROM "Contacts.CSV"')这样就可以给每条记录增加一个id了。2.SQL代码中的DefaultDir 也就是D:\Data 是指存在于SQL Server服务器上的位置,而不是在提交该代码的客户机上。这一点对于初次接触的人来说很关键。SQL Server如果在服务器上找不到文件会报告错误。但是这个错误的消息不是那么直接了当。3.有的CSV文件中第一行不是列标题,而是和其它行一样是普通的数据行。这个时候就需要一个Schema.ini来定义CSV文件的格式。Schema.ini的格式我会专门写一篇来介绍一下。在Schema.ini文件中会指定CSV文件的一些特性,这样有助于Microsoft Text Driver来处理数据.第二种:直接使用通过OdbcConnection可以创建一个链接到csv文件的链接,链接字符串的格式是:"Driver={Microsoft Text Driver (*.txt*.csv)}Dbq="+cvs文件的文件夹路径+" Extensions=asc,csv,tab,txtPersist Security Info=False"创建连接之后就可以使用DataAdapter等存取csv文件了。public DataSet getdatasetfromcsv(string filepath, string filename){string strconn = @"driver={microsoft text driver (*.txt*.csv)}dbq="strconn += filepath//filepath, for example: c:\strconn += "extensions=asc,csv,tab,txt" OdbcConnection objconn = new OdbcConnection(strconn)DataSet dscsv = new DataSet()try{string strsql = "select * from " + filename//filename, for example: 1.csvOdbcDataAdapter odbccsvdataadapter = new OdbcDataAdapter(strsql,objconn)欢迎分享,转载请注明来源:内存溢出
评论列表(0条)