Question

嗨我有一个带字符串的文本文件：

你好，＆＃34; foo，bar＆＃34;

我想将其拆分为以下列表：

['hello', '"foo, bar"']

有没有办法可以实现这个目标？

我现在正在尝试这个：

for line in sys.stdin: csv_file = StringIO.StringIO(line) csv_reader = csv.reader(csv_file)

我希望它们分成两个字符串，即：

'hello' and '"foo, bar"'

Answer 1

假设您从CSV中读取一行：

from StringIO import StringIO
import csv

infile = StringIO('hello,"foo, bar"')
reader = csv.reader(infile)
row = reader.next()  # row is ['hello', 'foo, bar']

行中的第二个值是foo, bar而不是"foo, bar"。这不是Python的一些奇怪之处，它是对CSV语法的合理解释。引号可能不会放在那里作为值的一部分，而是显示foo, bar是一个值，不应根据逗号分为foo和bar （,）。另一种解决方案是在创建CSV文件时转义逗号，因此该行看起来像：

hello,foo \,bar

因此，想要保留这些报价是一个非常奇怪的请求。如果我们更了解您的用例和更大的图片，我们可以更好地帮助您。你想要实现什么目标？输入文件来自哪里？它真的是一个CSV还是其他一些类似的语法？例如，如果您知道每一行由逗号分隔的两个值组成，并且第一个值从不包含逗号，那么您可以只拆分第一个逗号：

print 'hello,"foo, bar"'.split(',', 1)  # => ['hello', '"foo, bar"']

但是我怀疑输入是否有这样的限制，这就是为什么像引号这样的东西来解决歧义。

如果您尝试再次写入CSV，则会在您执行此操作时重新创建引号。它们不必在中间列表中存在：

outfile = StringIO()
writer = csv.writer(outfile)
writer.writerow(row)
print outfile.getvalue()

这将打印

hello,"foo, bar"

您可以通过设置新方言来自定义确切的CSV输出。

如果你想要使用适当的引用规则来获取行中的各个值，这是可能的，但这有点像黑客攻击：

# We're going to write individual strings, so we don't want a line terminator
csv.register_dialect('no_line_terminator', lineterminator='')

def maybe_quote_string(s):
    out = StringIO()

    # writerow iterates over its argument, so don't give it a plain string
    # or it'll break it up into characters
    csv.writer(out, 'no_line_terminator').writerow([s])

    return out.getvalue()

print maybe_quote_string('foo, bar')
print map(maybe_quote_string, row)

输出结果为：

"foo, bar"
['hello', '"foo, bar"']

这是我最接近回答你问题的方法。它并不是真的保留双引号，而是将它们删除并添加回来，可能与首先放置它们的规则相同。

我会再说一遍，你可能会在这个问题上走错路。其他人可能会同意。这就是为什么你在努力获得好的答案。你想要解决的更大问题是什么？我们可以帮助您更好地实现这一目标。

Answer 2

好吧所以这需要很长时间才能得到一个解决方案而且它不是很漂亮，但是：

>>> import re
>>> s = 'hello,"foo, bar"'
>>> 
>>> replacements = {}
>>> m = re.search("\".*\"", s)
>>> while m:
...     key = 'unique_phrase_' + str(len(replacements))
...     replacements[key] = s[m.span()[0]:m.span()[1]]
...     s = re.sub("\".*\"", key, s, count=1)
...     m = re.search("\".*\"", s)
... 
>>> list_from_string = s.split(",")
>>> final_list = []
>>> for element in list_from_string:
...     for key in replacements.keys():
...             if re.match(key, element):
...                     final_list.append(re.sub(key, replacements[key],   element))
...             else:
...                     final_list.append(element)
... 
>>> 
>>> print final_list
['hello', '"foo, bar"']

对我来说看起来很丑，但是找不到任何明确的方法让它变得更加pythonic。

Answer 3

派对有点晚，但在CSV库中有quoting可以做你想要的（设置为QUOTE_NONE）

使用csv reader在文本文件中保留双引号

3 个答案: