Python 解析字段中带有逗号的CSV文件

我刚收到一个同事的文件，不知道如何解析：

输入：

key,value1,"value2,hello"

期望输出：

key,value2

Perl或Python是我理解的语言

谢谢，Bernardo这是，所以您可以使用CSV解析器

您没有指定使用哪种语言，但大多数都在类库中（例如，在.NET中）或作为外部组件（例如，在Apache Commons for Java中）提供了CSV解析器

如果您确实想重新发明轮子（我不推荐），那么算法非常简单：

result = "", inQuotes = false
read next character
if end-of-line:
    if inQuotes:
        throw error (unmatched quotes)
    yield result
    return
else if character = '"':
    invert inQuotes
else if character = ',' and not inQuotes:
    yield result
    result = ""
else:
    result += character

这是，所以您可以只使用CSV解析器

您没有指定使用哪种语言，但大多数都在类库中（例如，在.NET中）或作为外部组件（例如，在Apache Commons for Java中）提供了CSV解析器

如果您确实想重新发明轮子（我不推荐），那么算法非常简单：

result = "", inQuotes = false
read next character
if end-of-line:
    if inQuotes:
        throw error (unmatched quotes)
    yield result
    return
else if character = '"':
    invert inQuotes
else if character = ',' and not inQuotes:
    yield result
    result = ""
else:
    result += character

---

使用正则表达式执行此操作的最佳方法：

[^,"]+|"(?:[^"]|"")+"

---

使用regex执行此操作的最佳方法：

[^,"]+|"(?:[^"]|"")+"

---

如果要使用正则表达式执行此任务，以下操作应该可以：

(\S+,)\d+,\"(\d+),\S+\"

（\S+，）

是选择第一个键（包括逗号）的第一个捕获组。后面是一些数字、逗号和引号

\d+，\”

。第二个捕获组

（\d+）

选择第二个值，后面是逗号、字符串和引号：

，\d+\“

---

但是，正如其他人所写，还有其他解决方案不涉及正则表达式。

如果您想使用正则表达式完成此任务，以下方法应该可以：

(\S+,)\d+,\"(\d+),\S+\"

(.*?)\,.*?\"(.*?)\,.*

（\S+，）

是选择第一个键（包括逗号）的第一个捕获组。后面是一些数字、逗号和引号

\d+，\”

。第二个捕获组

（\d+）

选择第二个值，后面是逗号、字符串和引号：

，\d+\“

但正如其他人已经写的，还有其他不涉及正则表达式的解决方案

(.*?)\,.*?\"(.*?)\,.*

你可以试试这个

见演示

你可以试试这个

见演示

标准Perl模块可用于处理CSV文件

#!/usr/bin/perl

use strict;
use warnings;

use Text::ParseWords;

while (<DATA>) {
  my @fields = parse_line(',', 0, $_);

  # Do something useful with the data in @fields
  print join ' | ', @fields;
}
__DATA__
key,value1,"value2,hello"

#/usr/bin/perl
严格使用；
使用警告；
使用Text:：ParseWords；
而（）{
my@fields=parse_行（'，'，0，$）；
#对@fields中的数据执行一些有用的操作
打印联接“|”和@字段；
}
__资料__
键，值1，“值2，您好”

标准Perl模块可用于处理CSV文件

#!/usr/bin/perl

use strict;
use warnings;

use Text::ParseWords;

while (<DATA>) {
  my @fields = parse_line(',', 0, $_);

  # Do something useful with the data in @fields
  print join ' | ', @fields;
}
__DATA__
key,value1,"value2,hello"

#/usr/bin/perl
严格使用；
使用警告；
使用Text:：ParseWords；
而（）{
my@fields=parse_行（'，'，0，$）；
#对@fields中的数据执行一些有用的操作
打印联接“|”和@字段；
}
__资料__
键，值1，“值2，您好”

到目前为止，您尝试了什么？你在用什么工具？看起来

awk

或

sed

可以很容易地做到这一点，您试过使用它们吗？到目前为止您试过什么？你在用什么工具？看起来

awk

或

sed

可以很容易做到这一点，您尝试过使用它们吗？根据CSV中的反斜杠没有特殊含义。引号内的引号将通过复制进行转义。这不考虑不匹配的引号，如果您有空值

test，test2

，也不会返回空的find。您可以将其更改为

[^，”]*|“（？：[^”]|“）*”

，但即使存在匹配项，也会提供空匹配项（regex perk）。谢谢@Heinzi，相应地进行了更改。根据反斜杠在CSV中没有特殊意义。引号内的引号将通过复制进行转义。这不考虑不匹配的引号，如果您有空值

test，test2

，也不会返回空的find。您可以将其更改为

[^，“]*|“（？：[^”]|“）*”

，但即使存在匹配项，也会提供空匹配项（regex perk）。谢谢@Heinzi，相应地进行了更改。