在用Python解析的csv文件中处理额外的换行符(回车符)?
我有一个CSV文件,其中的字段包含换行符,例如:在用Python解析的csv文件中处理额外的换行符(回车符)?,python,csv,newline,Python,Csv,Newline,我有一个CSV文件,其中的字段包含换行符,例如: A, B, C, D, E, F 123, 456, tree , very, bla, indigo (在这种情况下,第二行的第三个字段是“tree\n” 我尝试了以下方法: import csv catalog = csv.reader(open('test.csv', 'rU'), delimiter=",", dialect=csv.excel_tab) for row in catalog: print "Length: ",
A, B, C, D, E, F
123, 456, tree
, very, bla, indigo
(在这种情况下,第二行的第三个字段是“tree\n”
我尝试了以下方法:
import csv
catalog = csv.reader(open('test.csv', 'rU'), delimiter=",", dialect=csv.excel_tab)
for row in catalog:
print "Length: ", len(row), row
我得到的结果是:
Length: 6 ['A', ' B', ' C', ' D', ' E', ' F']
Length: 3 ['123', ' 456', ' tree']
Length: 4 [' ', ' very', ' bla', ' indigo']
有人知道我如何快速删除无关的新行吗
谢谢!如果您有非空白单元格,这将起作用
data = [['A', ' B', ' C', ' D', ' E', ' F'],
['123', ' 456', ' tree'],
[' ', ' very', ' bla', ' indigo']]
flat_list = chain.from_iterable(data)
flat_list = [cell for cell in flat_list if cell.strip() != ''] # remove blank cells
rows = [flat_list[i:i+6] for i in range(0, len(flat_list), 6)] # chunk into groups of 6
print rows
输出:
[['A', ' B', ' C', ' D', ' E', ' F'], ['123', ' 456', ' tree', ' very', ' bla', ' indigo']]
[['A', ' B', ' C', ' D', ' E', ' F'], ['123', ' 456', ' tree ', ' very', ' bla', ' indigo']]
如果输入中有空白单元格,则大多数情况下都可以:
data = [['A', ' B', ' C', ' D', ' E', ' F'],
['123', ' 456', ' tree'],
[' ', ' very', ' bla', ' indigo']]
clean_rows = []
saved_row = []
for row in data:
if len(saved_row):
row_tail = saved_row.pop()
row[0] = row_tail + row[0] # reconstitute field broken by newline
row = saved_row + row # and reassemble the row (possibly only partially)
if len(row) >= 6:
clean_rows.append(row)
saved_row = []
else:
saved_row = row
print clean_rows
输出:
[['A', ' B', ' C', ' D', ' E', ' F'], ['123', ' 456', ' tree', ' very', ' bla', ' indigo']]
[['A', ' B', ' C', ' D', ' E', ' F'], ['123', ' 456', ' tree ', ' very', ' bla', ' indigo']]
然而,即使是第二个解决方案也会因为这样的输入而失败
A,B,C,D,E,F\nG
1,2,3,4,5,6
在这种情况下,输入是不明确的,没有算法能够猜出您的意思是:
A,B,C,D,E,F
G\n1,2,3,4,5,6
(或上述输入)
如果你是这样的话,你必须回到保存数据的人那里,让他们以更干净的格式保存数据(顺便说一句,在CSV文件中打开office引号换行要比Excel好得多)。如果你知道列数,最好的方法是忽略行尾,然后拆分 像这样的
with open(filename, 'rU') as fp:
data = ''.join(fp.readlines())
data = data.split(',')
for n in range(0, len(data), 6)
print(data[n:n+6])
如果愿意,您可以轻松地将其转换为发电机:
def read_ugly_file(filename, delimiter=',', columns=6):
with open(filename, 'rU') as fp:
data = ''.join(fp.readlines())
data = data.split(delimiter)
for n in range(0, len(data), columns)
yield data[n:n+columns]
for row in read_ugly_file('myfile.csv'):
print(row)
这应该行得通。(警告:大脑编译代码)
以open('test.csv','rU')作为填充:
数据=[]
对于填充中的线:
temp_data=line.split(',')
尝试:
而len(temp_数据)<6:#列长度
temp_data.extend(infle.next())
除了停止迭代:通过
data.append(临时数据)
这与CSV模块一起工作,并清除空白字段和行:
import csv
import StringIO
data="""A, B, C, D, E, F
123, 456, tree
,,
, very, bla, indigo"""
f=StringIO.StringIO(data) #used just to simulate a file. Use your file here...
reader = csv.reader(f)
out=[]
for line in reader:
line=[x.strip() for x in line if x] # remove 'if x' if you want blank fields
if len(line):
out.append(line)
print out
印刷品:
[['A', ' B', ' C', ' D', ' E', ' F'],
['123', '456', 'tree'],
['very', 'bla', 'indigo']]
[['A', 'B', 'C', 'D', 'E', 'F'],
['123', '456', 'tree', 'very', 'bla', 'indigo']]
如果要将其分为6列块:
cols=6
out=[i for sl in out for i in sl] # flatten out
out=[out[i:i+cols] for i in range(0, len(out), cols)] # rechunk into 'cols'
印刷品:
[['A', ' B', ' C', ' D', ' E', ' F'],
['123', '456', 'tree'],
['very', 'bla', 'indigo']]
[['A', 'B', 'C', 'D', 'E', 'F'],
['123', '456', 'tree', 'very', 'bla', 'indigo']]
如果每行中的字段数相同且字段不能为空:
from itertools import izip_longest
nfields = 6
with open(filename) as f:
fields = (field.strip() for line in f for field in line.split(',') if field)
for row in izip_longest(*[iter(fields)]*nfields): # grouper recipe*
print(row)
假设您有以下Excel电子表格: 注:
A1,B1,"C1,+comma",D1
,B2,"line 1
line 2",D2
,,C3,"D3,+comma"
,,,D4 space
A, B, C, D, E, F
123, 456, tree
, very, bla, indigo
假定,您希望将其读入Python中,其中空白单元格仍然有意义,并且嵌入逗号正确处理。 那么这个,
with open("test.csv", 'rU') as csvIN:
outCSV=(line for line in csv.reader(csvIN, dialect='excel'))
for row in outCSV:
print("Length: ", len(row), row)
正确生成Excel中表示的4x4列表矩阵:
Length: 4 ['A1', 'B1', 'C1,+comma', 'D1']
Length: 4 ['', 'B2', 'line 1\nline 2', 'D2']
Length: 4 ['', '', 'C3', 'D3,+comma']
Length: 4 ['', '', '', 'D4 space']
您发布的示例CSV文件在字段周围缺少引号,并带有“额外换行符”,使得该换行符的含义不明确。它是新行还是多行字段
因此,您只能解释此csv文件:
A1,B1,"C1,+comma",D1
,B2,"line 1
line 2",D2
,,C3,"D3,+comma"
,,,D4 space
A, B, C, D, E, F
123, 456, tree
, very, bla, indigo
作为一维列表,如下所示:
with open("test.csv", 'rU') as csvIN:
outCSV=[field.strip() for row in csv.reader(csvIN, delimiter=',')
for field in row if field]
这将生成此一维列表:
['A', 'B', 'C', 'D', 'E', 'F', '123', '456', 'tree', 'very', 'bla', 'indigo']
然后,您可以根据需要将其解释并重新分组到任何子分组中
python中惯用的重新分组方法如下所示:
或者,如果您想要列表列表,这也是惯用的:
>>> [outCSV[i:i+6] for i in range(0, len(outCSV),6)]
[['A', 'B', 'C', 'D', 'E', 'F'], ['123', '456', 'tree', 'very', 'bla', 'indigo']]
如果您可以更改CSV文件的创建方式,解释起来就不那么模棱两可了。逗号是否始终位于字段的结尾或内部,即不在开头?或者,列数是否固定?如果两者都不固定,则无法执行。在本例中,列数固定为6。是否保证每个字段只有一行换行符?您还希望必须在字段内处理逗号吗?即带引号的字段?是否
'、
和'\n'
都终止字段,并且不能有空字段?您要查找的结果是什么?如果有,应该是[['a'、'B'、'C'、'D'、'e'、'F']、['123'、'456'、'tree'、'very'、'bla'、'indigo']
或其他什么?是否有任何字段嵌入了引号,如:A,“B,C”,D
?额外的换行符在树之后
感谢您的建议。但是,(可能我没有正确表达我的要求)我的数据可能如下所示:data=[['A',''C',''E','F'],['123','tree'],在这种情况下,删除空元素并没有真正的帮助。啊-我明白了…好了…越来越近了…再来一次:)@carrot top不明白为什么它不能与嵌入的逗号一起工作-只要csv读取器处理它们,我的算法中就没有任何东西会因为嵌入的逗号而中断。看起来你将所有行都保留在内存中,这对大文件不起作用。如果不立即将整个文件加载到内存中,我怎么能做到同样的事情呢?请r@Maria Zverina的版本对我来说,它更好,更具Python风格,可能更健壮。@Chinmay Kanchi:怎么会这样?它处理空行、空白字段,CSV处理CSV内容的复杂性,并且很容易重新检查N列字段。+1,但这对使用生成器而不是列表的内存来说更友好。谢谢你的回答。仅供参考,您正在从迭代器创建一个迭代器,这是无用的。outCSV=(csv.reader(csvIN,dialent='excel')中的行对行)
可以替换为outCSV=csv.reader(csvIN,dialent='excel')