Question

我有几个csv文件，其中每个文件都有不同的格式。这里有两个不同的csv文件的示例。请查看格式而不是值。

import com.google.devrel.wcl.WearManager;

public class MyWearApp extends Application {
    private static MyWearApp application;

    public MyWearApp getInstance() {
        return application;
    }

    @Override
    public void onCreate() {
        super.onCreate();
        WearManager.initialize(getApplicationContext());
        application = this;
    }
...
}

正如你所看到的，csv_2包含在“有时”中，但是csv_1是一种简单的格式。我得到了所有csvs的需求而且它们非常庞大。我试图使用嗅探器来自动识别方言。但是这还不够，我对那个有“”的人没有得到合理的回答。有没有人能指导我如何解决这个问题？

Python代码2.7

 csv_2   "xxxx-0147-xxxx-194443,""Jan 1, 2017"",7:43:43 AM PST,,Google fee,,Smart Plan (Calling & Texting),com.yuilop,1,unlimited_usca_tariff_and,mimir,US,TX,76501,USD,-3.00,0.950210,EUR,-2.85"
 csv_2  "1305-xxxx-0118-54476..1,""Jan 1, 2017"",7:17:31 AM PST,,Google fee,,Smart Plan (Calling & Texting),com.yuilop,1,unlimited_usca_tariff_and,htc_a13wlpp,US,TX,79079,USD,-3.00,0.950210,EUR,-2.85"
 csv_1 GPA.xxxx-2612-xxxx-44448..0,2017-02-01,1485950845,Charged,m1,Freedom Plan (alling & Texting),com.yuilop,subscription,basic_usca_tariff_and,USD,2.99,0.00,2.99,,,07605,US
 csv:1 GPA.xxxx-6099-9725-56125,2017-02-01,1485952917,Charged,athene_f,Buy 100 credits (Calling & Texting),com.yuilop,inapp,100_credits,INR,138.41,0.00,138.41,Kolkata,West Bengal,700007,IN

参数值：

With open(file, 'rU') as csvfile:
     dialect = csv.Sniffer().sniff(csvfile.read(2024))
     csvfile.seek(0)
     reader = csv.reader(csvfile, dialect)
     for line in reader:
      print line

结果

 dialect.escapechar     None
 dialect.quotechar      "
 dialect.quoting        0
 dialect.escapechar     None
 dialect.delimiter      ,
 dialect.doublequote    False

在csv_2中，你看到一团糟。 date由逗号特殊日期字段分隔，并且所有行都被视为字符串。如何更改代码以获得与csv_1相同的结果？

Answer 1

为什么不预处理csv来清理“并将其规范化，然后像其他csv一样加载数据？

Answer 2

您距离工作代码只有一步之遥。您要做的就是replace中的" csvfile，然后您当前的方法会正常运行。

编辑：但是，如果您想要合并在CSV文件中读取后分隔的日期字符串，那么最好的选择是正则表达式匹配。我在原始答案中加入了一些代码。我已经从this older answer复制了大部分正则表达式代码（包含编辑内容）。

import re
import csv

with open(file, 'rU') as csvfile:
    data = csvfile.read(2024)
    # Remove the pesky double-quotes
    no_quotes_data = data.replace('"', '')

    dialect = csv.Sniffer().sniff(no_quotes_data);

    csv_data = csv.reader(no_quotes_data.splitlines(), dialect)

    pattern = r'(?i)(%s) +(%s)'

    thirties = pattern % (
        "Sep|Apr|Jun|Nov",
        r'[1-9]|[12]\d|30')

    thirtyones = pattern % (
        "Jan|Mar|May|Jul|Aug|Oct|Dec",
        r'[1-9]|[12]\d|3[01]')

    feb = r'(Feb) +(?:%s)' % (
        r'(?:([1-9]|1\d|2[0-9]))') # 1-29 any year (including potential leap years)

    result = '|'.join('(?:%s)' % x for x in (thirties, thirtyones, feb))
    r = re.compile(result)

    for ind, phrase in enumerate(csv_data):
        if r.match(phrase):
            # If you've found a date string, a year string will follow
            new_data[ind] = ", ".join(csv_data[ind:ind+2])
            del csv_data[ind+1]

    for line in csv_data: print line

在python中解析两种不同类型的csv格式

2 个答案: