CSV 写入需要唯一分隔符的文本字符串

Posted 2023-04-13

【中文标题】CSV 写入需要唯一分隔符的文本字符串

【英文标题】：CSV writing strings of text that need a unique delimiter

【发布时间】：2014-02-25 00:05:57

【问题描述】：

我在 python 中编写了一个 html 解析器，用于提取数据，使其在 csv 文件中看起来像这样：

    itemA, itemB, itemC, Sentence that might contain commas, or colons: like this,\n

所以我使用了分隔符“:::::”，认为它不会在数据中被挖掘

    itemA, itemB, itemC, ::::: Sentence that might contain commas, or colons: like this,::::\n

这适用于数千行中的大多数，但是，显然是一个冒号：当我在 Calc 中导入 csv 时抵消它。

我的问题是，在创建包含许多需要用某些定界符分隔的句子变体的 csv 时，最好使用或唯一的定界符是什么？我是否正确理解分隔符，因为它们分隔 CSV 中的值？

【问题讨论】：

在数据中使用的集合之外使用分隔符，例如chr(255)。

@martineau 我使用了一个不常见的序列作为分隔符 (~~~) 但在未来我相信这是最好的答案！您如何将 chr(255) 写入文件？ output.write(chr(255))?

是的，您可以通过chr(255) 编写它，或者在使用csv module 时通过关键字参数delimiter=chr(255) 指定使用它。您希望我将此添加为答案吗？

@martineau 我会选择它作为答案:)

【参考方案1】：

正如我在评论中非正式地建议的那样，唯一意味着您需要使用一些不会出现在数据中的字符 - chr(255) 可能是一个不错的选择。例如：

注意：显示的代码适用于 Python 2.x — 有关 Python 3 版本，请参阅 cmets。

import csv

DELIMITER = chr(255)
data = ["itemA", "itemB", "itemC",
        "Sentence that might contain commas, colons: or even \"quotes\"."]

with open('data.csv', 'wb') as outfile:
    writer = csv.writer(outfile, delimiter=DELIMITER)
    writer.writerow(data)

with open('data.csv', 'rb') as infile:
    reader = csv.reader(infile, delimiter=DELIMITER)
    for row in reader:
        print row

输出：

['itemA', 'itemB', 'itemC', 'Sentence that might contain commas, colons: or even "quotes".']

如果您没有使用 csv 模块，而是手动写入和/或读取数据，那么它会变成这样：

with open('data.csv', 'wb') as outfile:
    outfile.write(DELIMITER.join(data) + '\n')

with open('data.csv', 'rb') as infile:
    row = infile.readline().rstrip().split(DELIMITER)
    print row

【讨论】：

对于任何感兴趣的人，此答案的 Python 3 版本已发布here。

【参考方案2】：

是的，分隔符分隔 CSV 文件的每一行中的值。有两种策略来分隔具有大量标点符号的文本。首先，您可以引用这些值，例如：

Value 1, Value 2, "This value has a comma, <- right there", Value 4

第二种策略是使用标签（即'\t'）。

Python 的内置 CSV 模块可以读取和写入使用引号的 CSV 文件。查看the csv.reader function 下的示例代码。内置的 csv 模块将正确处理引号，例如它将转义值本身中的引号。

【参考方案3】：

CSV 文件通常使用双引号 " 来包装可能包含逗号等字段分隔符的长字段。如果字段包含双引号，则使用反斜杠进行转义：\"。

【讨论】：

我现在试试，但我担心我提取的文本中会包含双引号，导致所有内容都错位