我有一个包含推文的大型4.5M +行CSV（逗号是分隔符）。 CSV来自不久前，并且在列数据，字符等内部都有各种各样的换行符。在某些方面可能会出现格式错误，但我很难确切地知道这个大小的文件的位置和方式。< / p>
我希望将此CSV文件作为大量文本移动，提取所有推文ID，并将每个拉出的ID放入新文件中的一行。
通过bash，perl，Python这样做可以正常工作。有人可以帮忙吗？我似乎甚至无法找到有关推文ID参数的信息，尽管这个语料库中的那些似乎都是17个整数。
答案 0 :(得分：1)
因为在你的问题中，Tweet ID的唯一证据是它是一个长度为17的整数，这是我将要使用的唯一规则。
另外，我将把它用作一个严格的规则。任何长度为整数的东西都是推文ID，没有别的。
之后是正常的正则表达式搜索。
import re
string = '''
12345678912345678, abcd, efgh
45645645645645645, ijkl, mnop
78944556677889900, qrst, uvwx
0, y, z
'''
m = re.findall('[0-9]{17}', string)
print(m)
re.findall在字符串（第二个参数）
中搜索正则表达式（第一个arg）（a）： - [0-9]表示0到9之间的任何整数
（b）： - {m}表示常规exp。在此之前必须重复m次
（a）+（b）： - [0-9] {17}给我一个匹配，它是一个重复17次的整数0到9的字符串。即数量为17的长度
find out more about re module in python
在我不知道有关输入文件和推文格式的任何内容的情况下，我可以帮助您。