Question

我有一个制表符分隔的文本文件，其中可能包含一些包含换行符的值，如下所示：

        col1    col2    col3

row1    val1    "Some text
containing newlines. Yup, possibly
more than one..."        val3
row2    val4    "val5"    val6

注意：

包含换行符的文字值保证最初用双引号括起来
行数或列数可能不同。
任何值可能是文字或可能是数字，可能包含换行符而可能不会

我正在尝试使用re编写一个小型Python脚本，以便：

摆脱额外换行（但保留原来的，即每行末尾）
用双引号括起每一个值

以这样的形式出现它会很棒：

def normalize_format(data, delimiter = '\t'):
    data = re.sub(_DESIRED_REGEX_, r'"\1"', data)
    return data

其中data是整个文件内容为单个字符串，_DESIRED_REGEX_是我想要想出的

re的使用不是强制性的，但赞赏简短而优雅的解决方案：）

Answer 1

您应该使用csv module代替：

import csv
with open("mycsv.csv", "rb") as infile, open("newcsv.csv", "wb") as outfile:
    reader = csv.reader(infile, delimiter="\t")
    writer = csv.writer(outfile, delimiter="\t", quoting=csv.QUOTE_ALL)
    # Now you can remove all the newlines within fields
    # and write them back to a new CSV file:

    for row in reader:
        writer.writerow([field.replace("\n", " ") for field in row])

Python脚本使用正则表达式（re）删除额外的换行符

1 个答案: