Question

我有一些文件带有通用扩展名，例如“ txt”或根本没有扩展名。我试图以一种非常快速的方式确定该文件是json还是csv。我曾想过使用magic模块，但是它不适用于我想做的事情。例如：

>>> import magic
>>> magic.from_file('my_json_file.txt')
'ASCII text, with very long lines, with no line terminators'

是否有更好的方法来确定是json还是csv？我无法加载整个文件，因此我想以一种快速的方式来确定它。什么是一个好的解决方案？

Answer 1

您可以检查文件是以{还是[开头来确定它是JSON，然后可以用csv.reader加载前两行，看看两行是否包含确定是否为CSV的列数相同。

import csv
with open('file') as f:
    if f.read(1) in '{[':
        print('likely JSON')
    else:
        f.seek(0)
        reader = csv.reader(f)
        try:
            if len(next(reader)) == len(next(reader)) > 1:
                print('likely CSV')
        except StopIteration:
            pass

Answer 2

您可以使用try/catch“技术”尝试将数据解析为JSON对象。从字符串加载无效格式的JSON时，它会引发ValueError，您可以根据需要捕获并处理它：

>>> import json
>>> s1 = '{"test": 123, "a": [{"b": 32}]}'
>>> json.loads(s1)

如果有效，则什么也不会发生：

>>> import json
>>> s2 = '1;2;3;4'
>>> json.loads(s2)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/json/__init__.py", line 338, in loads
    return _default_decoder.decode(s)
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/json/decoder.py", line 369, in decode
    raise ValueError(errmsg("Extra data", s, end, len(s)))
ValueError: Extra data: line 1 column 2 - line 1 column 8 (char 1 - 7)

因此，您可以构建如下功能：

import json

def check_format(filedata):
    try:
        json.loads(filedata)
        return 'JSON'
    except ValueError:
        return 'CSV'

>>> check_format('{"test": 123, "a": [{"b": 32}]}')
'JSON'
>>> check_format('1;2;3;4')
'CSV'

确定文件是“更有可能”是json还是csv

2 个答案: