CSV文件是一种简单文本文件，其规则简单明了，使得它们在不同系统和程序间具有很高的互操作性。CSV文件的读写器相对容易实现，这可能是人们选择CSV格式存储数据的主要原因。尽管CSV文件的读写规则相对已知且广泛接受，但有一个规则是例外的——确定用作分隔符的字符。虽然CSV文件的名称暗示应该使用逗号[,]作为分隔符，但实际上许多CSV文件使用分号[;]或水平制表符[\t]作为分隔符。
为了构建一个通用的CSV读取器，能够读取任何分隔符的CSV文件，读取器必须首先确定使用的是哪个字符作为分隔符。本文提供了解决这个问题的一种可能方案。
编写CSV文件的规则相当简单：
这两个简单的规则使得编写CSV写入器变得非常容易，只需几分钟。实现CSV读取器则更为复杂，因为必须逐个字符地解析CSV流，并提供额外的状态存储——这实际上使CSV读取器成为一个状态机。市面上有很多CSV读取器的实现是错误的，因为它们没有遵循上述规则。
既然已经定义了CSV文件的规则，可以实施一个能够自动检测CSV流中分隔符的CSV读取器。以下是C#源代码，用于检测CSV流中的分隔符：
public static char Detect(TextReader reader, int rowCount, IList<char> separators)
{
IList<int> separatorsCount = new int[separators.Count];
int character;
int row = 0;
bool quoted = false;
bool firstChar = true;
while (row < rowCount)
{
character = reader.Read();
switch (character)
{
case '\"':
if (quoted)
{
if (reader.Peek() != '\"')
{
quoted = false;
}
else
{
reader.Read();
}
}
else
{
quoted = true;
}
break;
case '\n':
if (!quoted)
{
++row;
firstChar = true;
continue;
}
break;
case -1:
row = rowCount;
break;
default:
if (!quoted)
{
int index = separators.IndexOf((char)character);
if (index != -1)
{
++separatorsCount[index];
firstChar = true;
continue;
}
}
break;
}
if (firstChar)
{
firstChar = false;
}
}
int maxCount = separatorsCount.Max();
return maxCount == 0 ? '\0' : separators[separatorsCount.IndexOf(maxCount)];
}
CSV流由reader参数表示，该参数用于从CSV流中读取字符，rowCount参数告诉方法在确定分隔符之前应该读取多少行，separators参数是字符列表，告诉方法哪些字符可能是分隔符。
方法使用以下参数维护内部状态：
separatorsCount - 用于计算CSV流中可能分隔符作为分隔符出现的次数character - 从CSV流中读取的最后一个字符row - 当前处理行在CSV流中的索引quoted - 如果接下来读取的字符被引号包围，则为true，否则为falsefirstChar - 如果接下来要读取的字符是CSV条目的第一个字符，则为true。这个参数是必要的，因为只有在打开引号是CSV条目的第一个字符时才认为值被引号包围。当读取了rowCount行或读取到CSV流的末尾时，方法返回CSV流中作为分隔符出现次数最多的可能分隔符。如果任何可能的分隔符在CSV流中从未作为分隔符出现，则返回‘\0’。
方法在读取引号、分隔符和作为引用值一部分的新行字符时会小心处理。在这种情况下，如果读取到引号，方法将查看CSV流中的下一个字符是否也是引号，否则将考虑这个引号为关闭引号。如果引号值中包含新行和分隔符字符，则忽略它们。
例如，在以下Employees.csv文件中：
Name,Surname,Salary
John,Doe,"$2,130"
Fred;Nurk;"$1,500"
Hans;Meier;"$1,650"
Ivan;Horvat;"$3,200"
方法检测到CSV分隔符是[;]，尽管[;]的总出现次数是6，[,]的总出现次数是8。这是因为最后4次[,]的出现被引号包围，所以它们不被视为可能的分隔符。因此，[,]作为分隔符的总出现次数是4，[;]作为分隔符的总出现次数是6，这使得[;]成为最可能的CSV分隔符。
本文附带了一个WPF解决方案，演示了CSV分隔符的自动检测。解决方案可以在这里下载。应用程序位于bin/Release文件夹中。