Question

我有多个CSV文件可以用多种方式表示类似的东西。例如，15年可以写成年龄：15岁，年龄（岁）：15岁，年龄：15岁（这些是我到目前为止看到的所有模式）。我想替换所有15年的人。当我知道实际年龄或列数时，我知道该怎么做，但是每次出现的年龄肯定是不同的，并且该列不是固定的。 csv文件可能如下所示：

CSV1：

h1,h2,h3
A1,age:15,hh
B3,age:10,fg

所需的CSV1

h1,h2,h3
A1,15 years,hh
B3,10 years,fg

当它只有它的年龄：15岁时，它绝对是几年而不是几个月或任何其他单位。

Answer 1

使用re.sub，如下所示，

re.sub(r'(,|^)(?:age\s*(?:\(years\))?:\s*(\d+)\s*(?:years)?)(?=,|$)',
       r'\1\2 years', string)

DEMO

示例：

import re
import csv
with open('file') as f:
    reader = csv.reader(f)
    for i in reader:
        print(re.sub(r'(,|^)(?:age\s*(?:\(years\))?:\s*(\d+)\s*(?:years)?)(?=,|$)', r'\1\2 years', ','.join(i)))

输出：

h1,h2,h3
A1,15 years,hh
B3,10 years,fg

或

for i in reader: print(re.sub(r'(,|^)[^,\n]*age\s*:[^,\n]*\b(\d+)\b[^,\n]*', r'\1\2 years', ','.join(i)))

Answer 2

使用字符串模块中的translate表方法。

import csv
from string import maketrans
from string import ascii_uppercase, ascii_lowercase
delete = ascii_uppercase + ascii_lowercase + ":"
tran = maketrans("", "")

with open("infile.csv", "rb") as infile, open("output.csv", "wb") as outfile:
    reader = csv.reader(infile)
    writer = csv.writer(outfile)
    for row in reader:
        #assuming the second field here
        row[1] = row[1].translate(tran, delete) + " years"
        writer.writerow(row)

我通常更喜欢string.translate而不是正则表达式，因为它更容易理解和调试。

Answer 3

它是一个猜谜游戏，但如果规则是你要转换任何有＆＃34;年＆＃34;和一些十进制数，这应该做。

import re

_is_age_search = re.compile(r"year|age", re.IGNORECASE).search
_find_num_search = re.compile(r"(\d+)").search

outdir = '/some/dir'
for filename in csv_filenames:
    with open(filename) as f_in, open(os.path.join(outdir, filename), 'w') as f_out:
        writer = csv.writer(f_out)
        for row in csv.reader(f_in):
            for i, val in enumerate(row):
                if _is_age_search(val):
                    search = _find_num_search(val)
                    if search:
                        row[i] = "%d years" % search.groups()
            writer.writerow(row)

替换CSV文件Python中的模式

3 个答案: