如何使用Python解析WordPress CSV导出

Question

我需要将内容从WordPress导入Plone，一个基于Python的CMS，我将posts表转储为一个巨大的CSV vanilla文件，使用“;”作为分隔符。

问题是来自csv module的标准CSV阅读器不够智能，无法解析行内的HTML内容（post_content字段）。

例如，当解析器遇到像<p>&nbsp;</p>这样的东西时，它会将分号解释为字段分隔符，并且我最终会得到比字段更多的项目以及包含错误内容的字段。

还有其他方法可以解决这类问题吗？使用正则表达式处理行似乎对我来说非常可怕。

Answer 1

经过一些额外的研究，我通过阅读PEP 0305（建议在Python中添加cvs模块）的文本发现excel-tab方言;这在模块文档中有提及，但我一开始并没有注意到。

然后我使用标签作为分隔符（\t）重新导出帖子。

我做了一个1000行的测试，发现没有任何错误。

Answer 2

CSV模块提供escapechar格式参数，允许您转义分隔符（已设置为分号）。如果您可以在escapechar='\\'的来电中提供csv.reader()，则可以使用\替换CSV文件中的字符\\，并将 替换为&nbsp\; {1}}（使用文本编辑器的查找/替换选项）。

Answer 3

对于较小的网站，另一个选择可能是使用pywordpress，这是一个WordPress XML-RPC API的pythonic接口。