如何在 C# 中使用 IronXL 讀取 CSV 文件

IronXL與 StreamReader 方法有何不同？

IronXL將 CSV 檔案讀取從解析的難題簡化為簡單的操作。 與手動分割操作或基本方法不同， IronXL可以自動處理嵌入逗號、換行符和由不尋常的分隔符號分隔的列等特殊情況。 該程式庫強大的 API消除了困擾傳統方法的常見解析錯誤，例如錯誤處理帶引號的欄位或多行單元格值。

在部署到容器化環境時，IronXL 的自包含架構意味著您無需擔心安裝額外的依賴項或處理特定於平台的檔案處理怪癖。 該程式庫能夠優雅地處理檔案大小限制，無論是在開發人員工作站還是 Kubernetes pod 上運行，都能提供一致的行為。

IronXL如何處理跨平台部署？

該程式庫獨立於 Microsoft Office 運行，因此非常適合伺服器環境和雲端部署。 無論部署到Windows、Linux、macOS 、 Azure或AWS ， IronXL都能在所有平台上提供一致的結果。 這種跨平台相容性，再加上其直覺的 API，使其成為需要可靠 CSV 解析的現代 C# 應用程式的理想選擇。

對於 DevOps 的工程師來說，IronXL相容於 Linux和macOS，這意味著您可以在整個部署流程中統一使用這一個函式庫。此庫資源佔用極低，記憶體使用效率高，即使在處理大型 CSV 檔案時，也能確保您的容器保持輕量級且反應迅速。

為什麼CSV轉Excel轉換很重要？

IronXL將 CSV 檔案與 Excel 格式視為同等重要的文件類型，從而能夠在文件類型之間無縫轉換，而不會遺失資料或出現格式問題。 這種轉換功能對於自動化報告流程至關重要，它可以將 CSV 資料轉換為可供利害關係人審核的精美 Excel 報告。

除了簡單的 CSV 讀取之外， IronXL還支援使用 C# 從頭開始編寫 CSV 檔案。 請務必查看我們的操作指南，以了解更多相關資訊。 這使其成為滿足您所有 CSV 需求的完美庫，能夠完成從讀取和建立 CSV 檔案到將其轉換為任何受支援的格式的所有操作。

最快的安裝方法是什麼？

透過 Visual Studio 的NuGet套件管理器安裝IronXL只需幾分鐘。 開啟您的項目，在解決方案資源管理器中右鍵單擊"引用"，然後選擇"管理NuGet套件"。搜尋"IronXL"，然後按一下"安裝"。對於容器化部署，請將IronXL新增至您的專案檔案：

<PackageReference Include="IronXl.Excel" Version="2025.*" />

<PackageReference Include="IronXl.Excel" Version="2025.*" />

有關詳細的安裝指導(包括Docker 設定說明) ，請造訪IronXL安裝文件。 該程式庫對.NET MAUI 、 Blazor和傳統.NET應用程式的支援同樣出色。

如何讀取我的第一個 CSV 檔案？

安裝完成後，讀取第一個 CSV 檔案只需要極少的原始程式碼，如下例所示：

using IronXL;

// Load CSV file
WorkBook workbook = WorkBook.LoadCSV("data.csv");
WorkSheet sheet = workbook.DefaultWorkSheet;

// Read a specific cell
string cellValue = sheet["A1"].StringValue;

// Iterate through rows
foreach (var row in sheet.Rows)
{
    foreach (var cell in row)
    {
        Console.WriteLine(cell.StringValue);
    }
}

// Apply aggregate functions
decimal total = sheet["B:B"].Sum();
decimal average = sheet["B:B"].Avg();

using IronXL;

// Load CSV file
WorkBook workbook = WorkBook.LoadCSV("data.csv");
WorkSheet sheet = workbook.DefaultWorkSheet;

// Read a specific cell
string cellValue = sheet["A1"].StringValue;

// Iterate through rows
foreach (var row in sheet.Rows)
{
    foreach (var cell in row)
    {
        Console.WriteLine(cell.StringValue);
    }
}

// Apply aggregate functions
decimal total = sheet["B:B"].Sum();
decimal average = sheet["B:B"].Avg();

CSV檔案載入過程中，後台發生了什麼事？

在這個例子中，讀取器將 CSV 資料作為字串陣列存取。 WorkBook.LoadCSV方法處理標題識別、建立資料表並執行記憶體高效的解析，從而簡化您的資料結構管理。 此庫可自動偵測編碼( UTF-8、UTF-16、ASCII 支援)，並可處理各種 CSV 格式，無需手動設定。

為什麼不同的分隔符號在生產環境中很重要？

實際的 CSV 檔案並不總是使用逗號。 分號、垂直線和製表符是常見的替代符號，尤其是在逗號用作小數位分隔符號的國際資料集中。 IronXL透過其靈活的載入選項優雅地處理任何分隔符，確保您的容器化應用程式可以處理來自各種來源的檔案而無需修改。

如何配置自訂分隔符號？

using IronXL;

// Load CSV with semicolon delimiter
WorkBook workbook = WorkBook.LoadCSV("european-data.csv", 
    fileFormat: ExcelFileFormat.XLSX, 
    listDelimiter: ";");

// Load tab-separated values
WorkBook tsvWorkbook = WorkBook.LoadCSV("export_data.tsv", 
    fileFormat: ExcelFileFormat.XLSX, 
    listDelimiter: "\t");

// Load pipe-delimited files
WorkBook pipeWorkbook = WorkBook.LoadCSV("legacy_export.txt", 
    fileFormat: ExcelFileFormat.XLSX, 
    listDelimiter: "|");

// Access data normally
WorkSheet sheet = workbook.DefaultWorkSheet;
decimal totalSales = sheet["B2:B10"].Sum();

// Apply math functions for analysis
decimal maxValue = sheet["C:C"].Max();
decimal minValue = sheet["C:C"].Min();

using IronXL;

// Load CSV with semicolon delimiter
WorkBook workbook = WorkBook.LoadCSV("european-data.csv", 
    fileFormat: ExcelFileFormat.XLSX, 
    listDelimiter: ";");

// Load tab-separated values
WorkBook tsvWorkbook = WorkBook.LoadCSV("export_data.tsv", 
    fileFormat: ExcelFileFormat.XLSX, 
    listDelimiter: "\t");

// Load pipe-delimited files
WorkBook pipeWorkbook = WorkBook.LoadCSV("legacy_export.txt", 
    fileFormat: ExcelFileFormat.XLSX, 
    listDelimiter: "|");

// Access data normally
WorkSheet sheet = workbook.DefaultWorkSheet;
decimal totalSales = sheet["B2:B10"].Sum();

// Apply math functions for analysis
decimal maxValue = sheet["C:C"].Max();
decimal minValue = sheet["C:C"].Min();

資料類型保留怎麼辦？

listDelimiter 參數接受任何字串，從而可以完全控制解析行為。 IronXL在解析過程中保留列值和資料類型。 數值仍然是數字，日期仍然是 DateTime 對象，公式保持其關係。 這種自動類型保留功能消除了手動轉換程式碼，減少了錯誤——對於維護自動化管道中的資料完整性至關重要。

如何處理格式錯誤的資料？

對於格式不一致的文件，IronXL 的錯誤處理功能可以優雅地處理格式錯誤的行，而不會崩潰，同時記錄問題以供審查，並繼續處理有效資料。 這種適應能力對於生產環境至關重要，因為生產環境中的 CSV 文件來自外部來源，而這些外部來源的品質標準各不相同。

為什麼要將 CSV 對應到強型別物件？

將 CSV 行轉換為強型別物件可以簡化資料處理並支援 LINQ 操作。 IronXL透過其蜂窩接入方法使這種映射變得簡單。 以下程式碼展示如何建立一個簡單的 CSV 解析器，並具備適當的錯誤處理和驗證功能：

如何建立型別安全的解析器？

using IronXL;

public class Product
{
    public string Name { get; set; }
    public decimal Price { get; set; }
    public int Stock { get; set; }
    public DateTime? LastUpdated { get; set; }
}

class Program
{
    static void Main(string[] args)
    {
        // Parse CSV into objects with validation
        var products = new List<Product>();
        WorkBook workbook = WorkBook.LoadCSV("inventory.csv");
        WorkSheet sheet = workbook.DefaultWorkSheet;

        // Skip header row, parse remaining lines
        for (int row = 2; row <= sheet.RowCount; row++)
        {
            try
            {
                var product = new Product
                {
                    Name = sheet[$"A{row}"].StringValue,
                    Price = sheet[$"B{row}"].DecimalValue,
                    Stock = sheet[$"C{row}"].IntValue,
                    LastUpdated = sheet[$"D{row}"].DateTimeValue
                };

                // Validate data
                if (product.Price > 0 && !string.IsNullOrWhiteSpace(product.Name))
                {
                    products.Add(product);
                }
            }
            catch (Exception ex)
            {
                Console.WriteLine($"Error parsing row {row}: {ex.Message}");
            }
        }

        // Use LINQ for analysis
        var lowStock = products.Where(p => p.Stock < 10).ToList();
        var totalInventoryValue = products.Sum(p => p.Price * p.Stock);

        // Export results to new Excel file
        var reportWorkbook = WorkBook.Create(ExcelFileFormat.XLSX);
        var reportSheet = reportWorkbook.CreateWorkSheet("Low Stock Report");

        // Add headers with formatting
        reportSheet["A1"].Value = "Product Name";
        reportSheet["B1"].Value = "Current Stock";
        reportSheet["C1"].Value = "Unit Price";
        reportSheet["A1:C1"].Style.Font.Bold = true;

        // Add data
        int reportRow = 2;
        foreach (var item in lowStock)
        {
            reportSheet[$"A{reportRow}"].Value = item.Name;
            reportSheet[$"B{reportRow}"].Value = item.Stock;
            reportSheet[$"C{reportRow}"].Value = item.Price;
            reportRow++;
        }

        reportWorkbook.SaveAs("low_stock_alert.xlsx");
    }
}

using IronXL;

public class Product
{
    public string Name { get; set; }
    public decimal Price { get; set; }
    public int Stock { get; set; }
    public DateTime? LastUpdated { get; set; }
}

class Program
{
    static void Main(string[] args)
    {
        // Parse CSV into objects with validation
        var products = new List<Product>();
        WorkBook workbook = WorkBook.LoadCSV("inventory.csv");
        WorkSheet sheet = workbook.DefaultWorkSheet;

        // Skip header row, parse remaining lines
        for (int row = 2; row <= sheet.RowCount; row++)
        {
            try
            {
                var product = new Product
                {
                    Name = sheet[$"A{row}"].StringValue,
                    Price = sheet[$"B{row}"].DecimalValue,
                    Stock = sheet[$"C{row}"].IntValue,
                    LastUpdated = sheet[$"D{row}"].DateTimeValue
                };

                // Validate data
                if (product.Price > 0 && !string.IsNullOrWhiteSpace(product.Name))
                {
                    products.Add(product);
                }
            }
            catch (Exception ex)
            {
                Console.WriteLine($"Error parsing row {row}: {ex.Message}");
            }
        }

        // Use LINQ for analysis
        var lowStock = products.Where(p => p.Stock < 10).ToList();
        var totalInventoryValue = products.Sum(p => p.Price * p.Stock);

        // Export results to new Excel file
        var reportWorkbook = WorkBook.Create(ExcelFileFormat.XLSX);
        var reportSheet = reportWorkbook.CreateWorkSheet("Low Stock Report");

        // Add headers with formatting
        reportSheet["A1"].Value = "Product Name";
        reportSheet["B1"].Value = "Current Stock";
        reportSheet["C1"].Value = "Unit Price";
        reportSheet["A1:C1"].Style.Font.Bold = true;

        // Add data
        int reportRow = 2;
        foreach (var item in lowStock)
        {
            reportSheet[$"A{reportRow}"].Value = item.Name;
            reportSheet[$"B{reportRow}"].Value = item.Stock;
            reportSheet[$"C{reportRow}"].Value = item.Price;
            reportRow++;
        }

        reportWorkbook.SaveAs("low_stock_alert.xlsx");
    }
}

IronXL 的字體轉換為何更安全？

IronXL 的類型化值屬性(DateTimeValue)安全地處理轉換，為無效資料傳回預設值，而非拋出例外值。 這樣就避免了繁瑣的手動工作，例如在解析後為每個屬性建立一個新字串。 這種防禦性方法確保了應用程式的穩健性，使其能夠優雅地處理不完美的資料。 此庫的單元格資料格式支援確保數值保持精確，日期保持其格式。

如何處理複雜的業務規則？

該程式庫還支援可空類型和自訂解析邏輯(如有需要)，可在不犧牲簡潔性的前提下適應複雜的業務規則。 對於進階場景，您可以利用 IronXL 的公式評估功能，直接在解析後的資料中套用計算，或使用條件格式來反白顯示資料異常。

何時應該將 CSV 檔案轉換為 Excel 檔案？

許多業務流程需要將 CSV 資料轉換為 Excel 格式，以便進行進階分析、格式化或分發給利害關係人。 IronXL讓這種轉換變得非常簡單，同時也能保持所有資料的完整性。 當您需要新增圖表、套用儲存格樣式或實現 CSV 檔案不支援的資料驗證時，轉換過程尤其有價值。

轉換過程有多簡單？

// Load CSV file
WorkBook csvWorkbook = WorkBook.LoadCSV("monthly-report.csv");

// Save as Excel with single method call
csvWorkbook.SaveAs("monthly-report.xlsx");

// Add advanced formatting before saving
WorkSheet sheet = csvWorkbook.DefaultWorkSheet;

// Apply header styling
sheet["A1:D1"].Style.Font.Bold = true;
sheet["A1:D1"].Style.BackgroundColor = "#4472C4";
sheet["A1:D1"].Style.Font.Color = "#FFFFFF";

// Format currency columns
sheet["B:B"].FormatString = "$#,##0.00";

// Add borders to data range
var dataRange = sheet["A1:D100"];
dataRange.Style.Border.SetBorder(BorderType.AllBorders, BorderStyle.Thin, "#000000");

// Autosize columns for better readability
sheet.AutoSizeColumn(0); // Column A
sheet.AutoSizeColumn(1); // Column B
sheet.AutoSizeColumn(2); // Column C
sheet.AutoSizeColumn(3); // Column D

// Add a summary chart
var chart = sheet.CreateChart(ChartType.Column, 10, 5);
chart.AddSeries("B2:B10", "A2:A10");
chart.SetTitle("Monthly Sales Summary");
chart.Plot();

// Add data validation
sheet["E2:E100"].DataValidation.AllowList = new string[] { "Approved", "Pending", "Rejected" };

// Save the enhanced Excel file
csvWorkbook.SaveAs("monthly-report-formatted.xlsx");

// Load CSV file
WorkBook csvWorkbook = WorkBook.LoadCSV("monthly-report.csv");

// Save as Excel with single method call
csvWorkbook.SaveAs("monthly-report.xlsx");

// Add advanced formatting before saving
WorkSheet sheet = csvWorkbook.DefaultWorkSheet;

// Apply header styling
sheet["A1:D1"].Style.Font.Bold = true;
sheet["A1:D1"].Style.BackgroundColor = "#4472C4";
sheet["A1:D1"].Style.Font.Color = "#FFFFFF";

// Format currency columns
sheet["B:B"].FormatString = "$#,##0.00";

// Add borders to data range
var dataRange = sheet["A1:D100"];
dataRange.Style.Border.SetBorder(BorderType.AllBorders, BorderStyle.Thin, "#000000");

// Autosize columns for better readability
sheet.AutoSizeColumn(0); // Column A
sheet.AutoSizeColumn(1); // Column B
sheet.AutoSizeColumn(2); // Column C
sheet.AutoSizeColumn(3); // Column D

// Add a summary chart
var chart = sheet.CreateChart(ChartType.Column, 10, 5);
chart.AddSeries("B2:B10", "A2:A10");
chart.SetTitle("Monthly Sales Summary");
chart.Plot();

// Add data validation
sheet["E2:E100"].DataValidation.AllowList = new string[] { "Approved", "Pending", "Rejected" };

// Save the enhanced Excel file
csvWorkbook.SaveAs("monthly-report-formatted.xlsx");

哪些資料完整性特徵得以保留？

轉換過程中保留了數值精度、日期格式和特殊字符，而這些內容通常會在手動轉換方法中造成問題。 IronXL會自動優化產生的 Excel 文件結構，建立高效的文件，即使包含大型資料集也能快速開啟。 轉換過程中，函式庫會保留儲存格註解、超鏈接，甚至條件格式規則。

它如何實現自動報告？

這種無縫轉換功能實現了自動化報告流程，可以將來自各種來源的 CSV 資料轉換為精美的 Excel 報告，供高階主管審核。 您可以建立命名表以更好地組織數據，應用凍結窗格以便更輕鬆地導航，甚至可以添加公司徽標等圖像來建立專業外觀的報告。

IronXL如何處理國際化問題？

IronXL具有多項先進增強功能，可提高 CSV 處理的可靠性。 本函式庫可自動處理各種文字編碼( UTF-8、UTF-16、ASCII )，確保國際字串值和欄位正確顯示。 記憶體高效的串流處理大型 CSV 文件，無需同時將所有資料載入到 RAM 中——這對於資源受限的容器環境至關重要。

對於國際部署， IronXL可以正確處理不同的數位格式和日期表示。 無論您的 CSV 檔案使用歐洲十進位表示法還是美國日期格式，該程式庫都會自動適應，從而減少特定於部署的配置。

我應該使用哪些錯誤處理策略？

處理來自不可信來源的 CSV 檔案時，請將作業包裝在 try-catch 區塊中，以提高安全性。 有關全面的錯誤處理策略，請查看IronXL故障排除指南。 在生產環境中實施日誌記錄，以追蹤處理指標並識別問題文件：

using IronXL;
using System.Diagnostics;

public class CSVProcessor
{
    private readonly ILogger _logger;

    public async Task<ProcessingResult> ProcessCSVBatch(string[] filePaths)
    {
        var results = new List<FileResult>();
        var stopwatch = Stopwatch.StartNew();

        foreach (var filePath in filePaths)
        {
            try
            {
                var fileStopwatch = Stopwatch.StartNew();
                var workbook = WorkBook.LoadCSV(filePath);
                var sheet = workbook.DefaultWorkSheet;

                // Process data
                var recordCount = sheet.RowCount - 1; // Exclude header
                var processedRecords = 0;

                for (int row = 2; row <= sheet.RowCount; row++)
                {
                    try
                    {
                        // Your processing logic here
                        processedRecords++;
                    }
                    catch (Exception rowEx)
                    {
                        _logger.LogWarning($"Failed to process row {row} in {filePath}: {rowEx.Message}");
                    }
                }

                results.Add(new FileResult
                {
                    FileName = filePath,
                    Success = true,
                    RecordsProcessed = processedRecords,
                    ProcessingTime = fileStopwatch.ElapsedMilliseconds
                });

                _logger.LogInformation($"Processed {filePath}: {processedRecords}/{recordCount} records in {fileStopwatch.ElapsedMilliseconds}ms");
            }
            catch (Exception ex)
            {
                _logger.LogError($"Failed to process {filePath}: {ex.Message}");
                results.Add(new FileResult
                {
                    FileName = filePath,
                    Success = false,
                    Error = ex.Message
                });
            }
        }

        return new ProcessingResult
        {
            FileResults = results,
            TotalProcessingTime = stopwatch.ElapsedMilliseconds,
            SuccessRate = (decimal)results.Count(r => r.Success) / results.Count
        };
    }
}

using IronXL;
using System.Diagnostics;

public class CSVProcessor
{
    private readonly ILogger _logger;

    public async Task<ProcessingResult> ProcessCSVBatch(string[] filePaths)
    {
        var results = new List<FileResult>();
        var stopwatch = Stopwatch.StartNew();

        foreach (var filePath in filePaths)
        {
            try
            {
                var fileStopwatch = Stopwatch.StartNew();
                var workbook = WorkBook.LoadCSV(filePath);
                var sheet = workbook.DefaultWorkSheet;

                // Process data
                var recordCount = sheet.RowCount - 1; // Exclude header
                var processedRecords = 0;

                for (int row = 2; row <= sheet.RowCount; row++)
                {
                    try
                    {
                        // Your processing logic here
                        processedRecords++;
                    }
                    catch (Exception rowEx)
                    {
                        _logger.LogWarning($"Failed to process row {row} in {filePath}: {rowEx.Message}");
                    }
                }

                results.Add(new FileResult
                {
                    FileName = filePath,
                    Success = true,
                    RecordsProcessed = processedRecords,
                    ProcessingTime = fileStopwatch.ElapsedMilliseconds
                });

                _logger.LogInformation($"Processed {filePath}: {processedRecords}/{recordCount} records in {fileStopwatch.ElapsedMilliseconds}ms");
            }
            catch (Exception ex)
            {
                _logger.LogError($"Failed to process {filePath}: {ex.Message}");
                results.Add(new FileResult
                {
                    FileName = filePath,
                    Success = false,
                    Error = ex.Message
                });
            }
        }

        return new ProcessingResult
        {
            FileResults = results,
            TotalProcessingTime = stopwatch.ElapsedMilliseconds,
            SuccessRate = (decimal)results.Count(r => r.Success) / results.Count
        };
    }
}

如何優化大型資料集的效能？

為了獲得最佳效能，處理大型資料集時，請使用範圍操作而不是存取單一儲存格。 IronXL 的公式引擎也支援 CSV 數據，無需先轉換為 Excel 格式即可進行計算。請考慮以下優化策略：

• 對經常存取的資料部分使用命名範圍
• 利用工作表管理功能將大型文件拆分成易於管理的小塊
• 應用排序和篩選來減少資料處理開銷
• 利用資料集匯出功能進行批次資料庫操作

為什麼IronXL非常適合容器部署？

該程式庫的跨平台支援不僅限於基本相容性。 Docker 容器、Linux 伺服器和雲端函數都可以在不進行任何配置變更的情況下運行IronXL ，使其成為微服務架構的理想選擇。 該庫的安全措施確保在多租戶環境中安全運行，而其許可證配置選項支援各種部署場景。

對於容器部署而言，IronXL 依賴項極少且資源利用率高，因此是絕佳的選擇。該庫不需要安裝 Office、COM 元件或平台特定的庫，從而簡化了 Dockerfile 的建立並減少了映像大小。 健康檢查端點可以輕鬆整合IronXL操作，以驗證 CSV 處理能力是否仍然有效。