Question

这是python脚本：

f = open('csvdata.csv','rb')
fo = open('out6.csv','wb')

for line in f:
    bits = line.split(',')
    bits[1] = '"input"'
    fo.write( ','.join(bits) )

f.close()
fo.close()

我有一个CSV文件，我用字符串“input”替换第二列的内容。但是，我需要首先从该列内容中获取一些信息。

内容可能如下所示：

failurelog_wl","inputfile/source/XXXXXXXX"; "**X_CORD2**"; "Invoice_2M";
"**Y_CORD42**"; "SIZE_ID37""

你可以看到它有奇怪的数据类型，尤其是它在行尾有2个双引号而不是你期望的那个。

我需要在替换列值之前提取XCORD和YCORD信息，例如XCORD = 2和YCORD = 42。然后，我想插入一个名为X_Y的额外列，代表(2_42)。

如何修改我的脚本呢？

Answer 1

如果我理解你的问题，你可以使用一个简单的正则表达式来提取你想要的数字：

import re

f = open('csvdata.csv','rb')
fo = open('out6.csv','wb')

for line in f:
    bits = line.split(',')

    x_y_matches = re.match('.*X_CORD(\d+).*Y_CORD(\d+).*', bits[1])
    assert x_y_matches is not None, 'Line had unexpected format: {0}'.format(bits[1])
    x_y = '({0}_{1})'.format(x_y_matches.group(1), x_y_matches.group(2))

    bits[1] = '"input"'
    bits.append(x_y)

    fo.write( ','.join(bits) )

f.close()
fo.close()

请注意，只有在第2列始终在数字前面显示“X_CORD”和“Y_CORD”时，这才有效。如果有时格式略有不同，则需要调整正则表达式以允许这种情况。如果发生这种情况，我添加了断言以提供更有用的错误消息。

您提到要将列命名为X_Y。您的脚本似乎假设没有标题，我的修改版本肯定会做出这样的假设。同样，如果有标题行，你需要调整它。

而且，是的，我同意其他评论者的说法，一般来说，使用csv模块可以更清晰地读取和编写csv文件。

如何使用python处理CSV列中的双引号？

1 个答案: