Python解析CSV，分隔符与标点符号混淆

我有一个带有逗号分隔符的CSV文件，5列，第一列和第二列-文本。在本文中，有时有很多逗号，有时在行的末尾，一行中有多个逗号

Type,Category,Count,LAT,LON
xxx,yyy/yyy,362,36.0121,-106.65801,,,
zz zz,zz -zz,xxx,2539,35.39353,-106.501916,,,
cc,dd,527,35.330102,-106.505023
...

感谢您对如何有效修复它的帮助

现在，在阅读之前，我停止删除行文件中所有的结尾“，”

下一步：也许从右到左检查-如果在数字组之后有字符串-考虑第一部分为“代码>类别< /代码>，所有其他到行的开始-删除逗号。< /P> 有什么想法吗

---

UPD：模式-看起来似乎只有在第一列中有过多的逗号。所以只需要从右到左读取4列，其他所有内容都合并到第一列“键入”。

您对该文件有控制权吗？无论是谁生成的，都应该使用引号对字符串进行转义（引号之间的逗号应该被忽略）。或者他们可以选择使用不在数据中的字符作为列分隔符（如管道符号

|

）

---

如果您无法控制生成文件，我不确定最好的方法。如果您知道逗号出现的位置，您可能可以编写一个脚本，首先找到您要查找的模式（通过regex）并将其转义，如上文所述。

您是否能够再次导出csv，或者是否有足够的行可以手动更新？通常，当csv文件上有逗号时，通常的做法是将文本用双引号括起来

如果不可能，我将执行以下操作：

分为四列，第一列全部为文本

获取类型或类别的列表（以较容易获得的为准），并根据列表中存在的子字符串将列拆分为两个

---

祝你好运

在示例中从

x,x,x,yyy/yyy,362,36.0121,-106.65801,,,
z,z zz,zz -zz,xxx,2539,35.39353,-106.501916,,,
c,c,dd,527,35.330102,-106.505023

跑步

<input.txt sed -r 's/^(.+?),([^,]+),([0-9]+),(-?[0-9]+\.[0-9]+),(-?[0-9]+\.[0-9]+)(,{0,})$/\1\t\2\t\3\t\4\t\5/'

我已经应用了这个正则表达式

---

它只是sed而不是Python，但是您可以在Python中使用相同的正则表达式。

现在，我已经提出了以下解决方案： 它很慢，不优雅，但很有效

@Aboruso的正则表达式解决方案也很棒

COLUMNAMOUNT = 5 #
with open(os.path.join('data', 'messed.csv')) as csv, open('new.csv','w') as result:
        for line in csv:
            line = line[:-1].rstrip(',') + line[-1]
            line = line.split(',')
            l = len(line)
            if l > COLUMNAMOUNT:
                line[l-COLUMNAMOUNT] = ''.join(line[:l-COLUMNAMOUNT+1])
            result.write(','.join(line[l-COLUMNAMOUNT:]))

无控制（附加逗号和不带引号的文本。模式-几乎总是只在第一行附加逗号。

COLUMNAMOUNT = 5 #
with open(os.path.join('data', 'messed.csv')) as csv, open('new.csv','w') as result:
        for line in csv:
            line = line[:-1].rstrip(',') + line[-1]
            line = line.split(',')
            l = len(line)
            if l > COLUMNAMOUNT:
                line[l-COLUMNAMOUNT] = ''.join(line[:l-COLUMNAMOUNT+1])
            result.write(','.join(line[l-COLUMNAMOUNT:]))