正则表达式从 CSV 中删除双引号
Posted
技术标签:
【中文标题】正则表达式从 CSV 中删除双引号【英文标题】:Regex to remove doubled double quotes from CSV 【发布时间】:2013-08-27 18:01:47 【问题描述】:我有一个 excel 表,它的一列中有很多数据,以来自 sql 数据库的 python 字典的形式。我无权访问原始数据库,也无法使用本地 infile 命令将 CSV 导入 sql,因为 CSV 每一行上的键/值的顺序不同。当我将 excel 工作表导出为 CSV 时,我得到:
"""first_name"":""John"",""last_name"":""Smith"",""age"":30"
"""first_name"":""Tim"",""last_name"":""Johnson"",""age"":34"
去除大括号前后的“以及键/值周围多余的”的最佳方法是什么?
我还需要单独留下没有引号的整数。
我正在尝试使用 json 模块将其导入 python,以便我可以打印特定的键,但我无法使用双引号导入它们。我最终需要将数据保存在如下所示的文件中:
"first_name":"John","last_name":"Smith","age":30
"first_name":"Tim","last_name":"Johnson","age":34
非常感谢任何帮助!
【问题讨论】:
这不是 CSV 格式。看起来您正在寻找 JSON。 我帖子底部的数据行是每一行的excel表的列中的内容。大约有 13k 行。当我将它保存到 CSV 时,顶部就是我得到的。我想我可以使用 JSON 模块,但我需要去掉双引号。由于 CSV 格式,当我将其保存到 CSV 时,excel 会使用我现有的引号并将它们加倍。 感谢您的快速建议!我必须用完,但当我返回并选择答案时会检查这些。感谢您的帮助! 【参考方案1】:简单:
text = re.sub(r'"(?!")', '', text)
给定输入文件:TEST.TXT:
"""first_name"":""John"",""last_name"":""Smith"",""age"":30"
"""first_name"":""Tim"",""last_name"":""Johnson"",""age"":34"
脚本:
import re
f = open("TEST.TXT","r")
text_in = f.read()
text_out = re.sub(r'"(?!")', '', text_in)
print(text_out)
产生以下输出:
"first_name":"John","last_name":"Smith","age":30
"first_name":"Tim","last_name":"Johnson","age":34
【讨论】:
【参考方案2】:应该这样做:
with open('old.csv') as old, open('new.csv', 'w') as new:
new.writelines(re.sub(r'"(?!")', '', line) for line in old)
【讨论】:
【参考方案3】:如果输入文件如图所示,并且您提到的文件很小,您可以将整个文件加载到内存中,进行替换,然后保存。恕我直言,您不需要 RegEx 来执行此操作。最容易阅读的代码是:
with open(filename) as f:
input= f.read()
input= str.replace('""','"')
input= str.replace('"','')
input= str.replace('"','')
with open(filename, "w") as f:
f.write(input)
我用样本输入对其进行了测试,它产生了:
"first_name":"John","last_name":"Smith","age":30
"first_name":"Tim","last_name":"Johnson","age":34
这正是你想要的。
如果你愿意,也可以打包代码写
with open(inputFilename) as if:
with open(outputFilename, "w") as of:
of.write(if.read().replace('""','"').replace('"','').replace('"',''))
但我认为第一个更清晰,并且两者都完全相同。
【讨论】:
@jabaldonedostr
不是保留字。否则我的程序将无法编译和运行。 str
是一个内置函数,如果我不使用它,我可以重新定义它。但你是对的,这可能会令人困惑。我正在更改代码。感谢您指出并帮助使答案成为更好的答案。【参考方案4】:
我觉得你这个问题想多了,为什么不替换数据呢?
l = list()
with open('foo.txt') as f:
for line in f:
l.append(line.replace('""','"').replace('"','').replace('"',''))
s = ''.join(l)
print s # or save it to file
它生成:
"first_name":"John","last_name":"Smith","age":30
"first_name":"Tim","last_name":"Johnson","age":34
使用list
存储中间行,然后调用.join
以提高性能,如Good way to append to a string 中所述
【讨论】:
【参考方案5】:您可以实际使用 csv 模块和正则表达式来执行此操作:
st='''\
"""first_name"":""John"",""last_name"":""Smith"",""age"":30"
"""first_name"":""Tim"",""last_name"":""Johnson"",""age"":34"\
'''
import csv, re
data=[]
reader=csv.reader(st, dialect='excel')
for line in reader:
data.extend(line)
s=re.sub(r'(\w+)',r'"\1"',''.join(data))
s=re.sub(r'([^]+)',r'\1\n',s).strip()
print s
打印
"first_name":"John","last_name":"Smith","age":"30"
"first_name":"Tim","last_name":"Johnson","age":"34"
【讨论】:
以上是关于正则表达式从 CSV 中删除双引号的主要内容,如果未能解决你的问题,请参考以下文章