matlab 使用textscan读取带文本的csv文件

纯数值csv文件使用 csvread 直接读取

csv文件就是comma-separated value (CSV) file。数据使以逗号相隔的形式保存在.csv文件中。
2019最新版的官方文档不在推荐使用csvread读取csv文档，而是推荐使用readmatrix但是目前还是兼容。
三种方式读取：
(1) M = csvread(filename), 文件的内容只能是数值。
(2) M = csvread(filename,R1,C1)，指定从R1+1行与C1+1列开始读其后的所有内容。
(3) M = csvread(filename,R1,C1,[R1 C1 R2 C2])，通过指定左上角开始的行列和右下角的行列读取的范围。

使用带文本的csv文件使用textscan读取

最简单的方法是右键选择matlab打开csv文件，然后拖动选择需要的行列，点击导入所选内容。
想要代码的话在上图划红线处点击下三角即可生成脚本。

栗子：

csv文本如下：

（1）读取所有内容

%% 初始化变量。
filename = 'C:\Users\siucaan\Documents\MATLAB\test.csv';
delimiter = ',';
# 不包括列的变量名
startRow = 2;

# 包括列名设为1，或者在下面textscan()中不加HeaderLines这个参数 
# startRow = 1;

%% 将数据列作为文本读取:
formatSpec = '%s%s%s%s%s%s%[^\n\r]';

%% 打开文本文件。
fileID = fopen(filename,'r');

%% 根据格式读取数据列。
dataArray = textscan(fileID, formatSpec, 'Delimiter', delimiter, 'TextType', 'string', 'HeaderLines' ,startRow-1, 'ReturnOnError', false, 'EndOfLine', '\r\n');

%% 关闭文本文件。
fclose(fileID);

%% 将包含数值文本的列内容转换为数值。
% 将非数值文本替换为 NaN。
raw = repmat({''},length(dataArray{1}),length(dataArray)-1);
for col=1:length(dataArray)-1
    raw(1:length(dataArray{col}),col) = mat2cell(dataArray{col}, ones(length(dataArray{col}), 1));
end
numericData = NaN(size(dataArray{1},1),size(dataArray,2));

for col=[1,5]
    % 将输入元胞数组中的文本转换为数值。已将非数值文本替换为 NaN。
    rawData = dataArray{col};
    for row=1:size(rawData, 1)
        % 创建正则表达式以检测并删除非数值前缀和后缀。
        regexstr = '(?<prefix>.*?)(?<numbers>([-]*(\d+[\,]*)+[\.]{0,1}\d*[eEdD]{0,1}[-+]*\d*[i]{0,1})|([-]*(\d+[\,]*)*[\.]{1,1}\d+[eEdD]{0,1}[-+]*\d*[i]{0,1}))(?<suffix>.*)';
        try
            result = regexp(rawData(row), regexstr, 'names');
            numbers = result.numbers;
            
            % 在非千位位置中检测到逗号。
            invalidThousandsSeparator = false;
            if numbers.contains(',')
                thousandsRegExp = '^[-/+]*\d+?(\,\d{3})*\.{0,1}\d*$';
                if isempty(regexp(numbers, thousandsRegExp, 'once'))
                    numbers = NaN;
                    invalidThousandsSeparator = true;
                end
            end
            % 将数值文本转换为数值。
            if ~invalidThousandsSeparator
                numbers = textscan(char(strrep(numbers, ',', '')), '%f');
                numericData(row, col) = numbers{1};
                raw{row, col} = numbers{1};
            end
        catch
            raw{row, col} = rawData{row};
        end
    end
end


%% 将数据拆分为数值和字符串列。
rawNumericColumns = raw(:, [1,5]);
rawStringColumns = string(raw(:, [2,3,4,6]));


%% 确保包含 <undefined> 的任何文本都已正确转换为 <undefined> 分类值
for catIdx = [1,3]
    idx = (rawStringColumns(:, catIdx) == "<undefined>");
    rawStringColumns(idx, catIdx) = "";
end

%% 创建输出变量
test1 = table;
test1.Challengerecordname = cell2mat(rawNumericColumns(:, 1));
test1.Database = categorical(rawStringColumns(:, 1));
test1.Originalrecordname = rawStringColumns(:, 2);
test1.Diagnosis = categorical(rawStringColumns(:, 3));
test1.Class = cell2mat(rawNumericColumns(:, 2));
test1.VarName6 = rawStringColumns(:, 4);

%% 清除临时变量
clearvars filename delimiter startRow formatSpec fileID dataArray ans raw col numericData rawData row regexstr result numbers invalidThousandsSeparator thousandsRegExp rawNumericColumns rawStringColumns catIdx idx;

（2）指定读取指定列

我这里指定第一列和五列
只要修改 formatSpec = ‘%s%*s%*s%*s%s%[^\n\r]’;

完整代码如下：

%% 初始化变量。
filename = 'F:\matlab_workspace\test.csv';
delimiter = ',';

%% 将数据列作为文本读取:
% 有关详细信息，请参阅 TEXTSCAN 文档。
formatSpec = '%s%*s%*s%*s%s%[^\n\r]';

%% 打开文本文件。
fileID = fopen(filename,'r');

%% 根据格式读取数据列。
% 该调用基于生成此代码所用的文件的结构。如果其他文件出现错误，请尝试通过导入工具重新生成代码。
dataArray = textscan(fileID, formatSpec, 'Delimiter', delimiter, 'TextType', 'string',  'ReturnOnError', false);

%% 关闭文本文件。
fclose(fileID);

%% 将包含数值文本的列内容转换为数值。
% 将非数值文本替换为 NaN。
raw = repmat({''},length(dataArray{1}),length(dataArray)-1);
for col=1:length(dataArray)-1
    raw(1:length(dataArray{col}),col) = mat2cell(dataArray{col}, ones(length(dataArray{col}), 1));
end
numericData = NaN(size(dataArray{1},1),size(dataArray,2));

% 将输入元胞数组中的文本转换为数值。已将非数值文本替换为 NaN。
rawData = dataArray{2};
for row=1:size(rawData, 1)
    % 创建正则表达式以检测并删除非数值前缀和后缀。
    regexstr = '(?<prefix>.*?)(?<numbers>([-]*(\d+[\,]*)+[\.]{0,1}\d*[eEdD]{0,1}[-+]*\d*[i]{0,1})|([-]*(\d+[\,]*)*[\.]{1,1}\d+[eEdD]{0,1}[-+]*\d*[i]{0,1}))(?<suffix>.*)';
    try
        result = regexp(rawData(row), regexstr, 'names');
        numbers = result.numbers;
        
        % 在非千位位置中检测到逗号。
        invalidThousandsSeparator = false;
        if numbers.contains(',')
            thousandsRegExp = '^[-/+]*\d+?(\,\d{3})*\.{0,1}\d*$';
            if isempty(regexp(numbers, thousandsRegExp, 'once'))
                numbers = NaN;
                invalidThousandsSeparator = true;
            end
        end
        % 将数值文本转换为数值。
        if ~invalidThousandsSeparator
            numbers = textscan(char(strrep(numbers, ',', '')), '%f');
            numericData(row, 2) = numbers{1};
            raw{row, 2} = numbers{1};
        end
    catch
        raw{row, 2} = rawData{row};
    end
end


%% 将数据拆分为数值和字符串列。
rawNumericColumns = raw(:, 2);
rawStringColumns = string(raw(:, 1));


%% 将非数值元胞替换为 NaN
R = cellfun(@(x) ~isnumeric(x) && ~islogical(x),rawNumericColumns); % 查找非数值元胞
rawNumericColumns(R) = {NaN}; % 替换非数值元胞

%% 创建输出变量
test1 = table;
test1.Challengerecordname = rawStringColumns(:, 1);
test1.Class = cell2mat(rawNumericColumns(:, 1));

（3）读取指定行

读取6-12行，只要修改

startRow = 6;
endRow = 11;
dataArray = textscan(fileID, formatSpec, endRow-startRow+1, 'Delimiter', delimiter, 'TextType', 'string', 'HeaderLines', startRow-1, 'ReturnOnError', false, 'EndOfLine', '\r\n');

（4）读取局部行列

指定6-12行，第2-5列，只要修改

startRow = 6;
endRow = 12;

%% 每个文本行的格式:
% 列2: 分类 (%C)
% 列3: 文本 (%s)
% 列4: 分类 (%C)
% 有关详细信息，请参阅 TEXTSCAN 文档。
formatSpec = ‘%*s%C%s%C%*s%[^\n\r]’;

完整代码：

%% 导入文本文件中的数据。
%% 初始化变量。
filename = 'F:\matlab_workspace\test.csv';
delimiter = ',';
startRow = 6;
endRow = 12;

%% 每个文本行的格式:
%   列2: 分类 (%C)
%	列3: 文本 (%s)
%   列4: 分类 (%C)
formatSpec = '%*s%C%s%C%*s%[^\n\r]';

%% 打开文本文件。
fileID = fopen(filename,'r');

%% 根据格式读取数据列。
dataArray = textscan(fileID, formatSpec, endRow-startRow+1, 'Delimiter', delimiter, 'TextType', 'string', 'HeaderLines', startRow-1, 'ReturnOnError', false, 'EndOfLine', '\r\n');

%% 关闭文本文件。
fclose(fileID);


%% 创建输出变量
test = table(dataArray{1:end-1}, 'VariableNames', {'Database','Originalrecordname','Diagnosis'});