使用Python拆分和保存csv文件中的文本块

我想将csv文件的每一行分割成多个文本块，并将它们保存为单独的文本文件（它只有一列，每一行包含一个文本块）。我的items_split函数可以很好地处理定义的文本块，但是当应用到csv文件时，我得到了错误

“文件”untitled.py，第25行，项目\u拆分 idx=文本行索引（“ABC”）+1

ValueError:“ABC”不在列表中”

我使用的代码如下：

import re
import uuid

def items_split(file):
    data=file
    ## First, we want to remove all empty lines in the text files
    data = re.sub(r'\n\s*\n','\n',data,re.MULTILINE)
    data = re.sub(r'\n\s*\n','\n',data,re.MULTILINE)
    data = re.sub(r'\n\s*\n','\n',data,re.MULTILINE)
    data = re.sub(r'\n\s*\n','\n',data,re.MULTILINE)
    data = re.sub(r'\n\s*\n','\n',data,re.MULTILINE)
    data = re.sub(r'\n\s*\n','\n',data,re.MULTILINE)
    data = re.sub(r'\n\s*\n','\n',data,re.MULTILINE)
    data = re.sub(r'\n\s*\n','\n',data,re.MULTILINE)

    ## Then, we remove all lines up to ABC
    text_lines = data.split("\n")
    idx = text_lines.index("ABC") + 1
    data = "\n".join(text_lines[idx:])


    ## Last, we split the text files into multiple files, each with a news item 

    current_file = None
    for line in data.split('\n'):

        # Set initial filename, 
        if current_file == None and line != '':
            current_file = str(uuid.uuid4()) + '.txt' #this will assign a random file name 
            #current_file = line + '.txt'

        # This is to handle the blank line after Brief
        if current_file == None:
            continue

        text_file = open(current_file, "a")
        text_file.write(line + "\n")
        text_file.close()

        # Reset filename if we have finished this section
        # which is idenfitied by:
        #    starts with Demographics - ^Demographics
        #    contains some random amount of text - .*
        #    ends with ) - )$
        if re.match(r'^Demographics:.*\)$', line) is not None:
            current_file = None


import csv
with open('Book1.csv', 'rb') as csvfile:
    spamreader = csv.reader(csvfile, delimiter=',')
    for row in spamreader:
        items_split(row)

例如，csv文件中的每一行如下所示：

“媒体新闻报道

ABC

专题1 dzfffa a Agasgeahryyeshdh

人口统计：12000人（男性16岁以上）•7000人（女性16岁以上）

专题2

fszg seez TRBWTTEWTMYTMUTRYRMUJFCJ

人口统计：10000人（男性16岁以上）•5000人（女性16岁以上）

您对这些内容满意吗？”

我想把它分成：

ABC

专题1 dzfffa a Agasgeahryyeshdh

人口统计：12000人（男性16岁以上）•7000人（女性16岁以上）

及

专题2

fszg seez TRBWTTEWTMYTMUTRYRMUJFCJ

人口统计：10000人（男性16岁以上）•5000人（女性16岁以上）

你对这些内容满意吗？"

---

并将每一行保存为单独的文本文件。我已经在文本本身上运行了该函数，它工作得非常好。问题是，当我在csv文件上运行它时，它不知何故无法识别每一行是一个文本块，我尝试将其转换为字符串等，但没有成功。

您正在从csv传递一行，这是获得的列列表从一行文本，到

item\u split

函数，该函数需要一个换行分隔的行字符串，因此该函数肯定找不到您想要的任何内容

由于您显然已经知道每个文本块的主题名称，因此可以使用

re.split

按已知主题名称模式分割csv：

import re
import uuid
with open('Book1.csv', 'r') as f:
    texts = iter(re.split(r'^(ABC|Topic 2)$', f.read(), flags=re.MULTILINE)[1:])
for text in zip(texts, texts):
    with open(str(uuid.uuid4()) + '.txt', 'w') as f:
        f.write(''.join(text))

因此，第一个文件将具有：

ABC

Topic 1 dzfffa a agasgeaherhryyeshdh

Demographics: 12,000 (male 16+) • 7,000 (female 16+)

Topic 2

fszg seez trbwtewtmytmutryrmujfcj

Demographics: 10,000 (male 16+) • 5,000 (female 16+)

Are you happy with this content?

第二个文件将具有：

ABC

Topic 1 dzfffa a agasgeaherhryyeshdh

Demographics: 12,000 (male 16+) • 7,000 (female 16+)

Topic 2

fszg seez trbwtewtmytmutryrmujfcj

Demographics: 10,000 (male 16+) • 5,000 (female 16+)

Are you happy with this content?

---

Python有一个很好的库，用于导入和读取CSV文件。永远不要重新发明轮子

从文档中可以看到一个简短的示例，说明如何读取CSV文件

import csv
with open('eggs.csv', 'rb') as csvfile:
     spamreader = csv.reader(csvfile, delimiter=' ', quotechar='|')
     for row in spamreader:
         print ', '.join(row)

此模块的工作原理类似，只是现在它返回OrderedDict[]类型，这使文件导航更加容易

 import csv
 with open('names.csv', newline='') as csvfile:
     reader = csv.DictReader(csvfile)
     for row in reader:
         print(row['first_name'], row['last_name'])

CSV（逗号分隔值）。您的文件可能有CSV扩展名，但实际上不是CSV，因为它没有逗号作为分隔符。这将在尝试使用CSV库时导致未定义的行为。