Question

我有一个CSV文件，但与related问题不同，它的某些列包含带双引号的逗号分隔的字符串，例如

foo,bar,baz,quux
11,"first line, second column",13.0,6
210,"second column of second line",23.1,5

（当然，它更长，并且引号的逗号不一定是1或0，也不是可预测的文本。）文本在双引号中也可能有（转义）双引号，或者没有双引号。对于通常引用的字段，完全使用双引号。我们唯一可以做的假设是没有引号的换行符，因此我们可以使用\n来简单地分割行。

现在，我想提取一个特定的列（例如，第三列）-例如，要打印在标准输出上，每行一个值。我不能简单地使用逗号作为字段定界符（因此，例如，使用cut）；相反，我需要更复杂的东西。那会是什么？

注意：我在Linux系统上使用bash。

Answer 1

这是一个快速而肮脏的Python csvcut。 Python csv library已经了解各种CSV方言等所有知识，因此您只需要一个薄包装即可。

第一个参数应表示要提取的字段的索引，例如

csvcut 3 sample.csv

从CSV文件sample.csv中提取第三列（可能是带引号的内容）。

#!/usr/bin/env python3

import csv
import sys

writer=csv.writer(sys.stdout)
# Python indexing is zero-based
col = 1+int(sys.argv[1])
for input in sys.argv[2:]:
    with open(input) as handle:
        for row in csv.reader(handle): 
            writer.writerow(row[col])

要做的事：错误处理，提取多列。（本质上并不难；使用row[2:5]提取第3、4和5列；但是我懒得编写适当的命令行参数解析器。）

如何使用外壳程序从带引号逗号的CSV中提取列？

1 个答案: