如何使用 Python 解析 WordPress CSV 导出

Posted 2023-02-23

【中文标题】如何使用 Python 解析 WordPress CSV 导出

【英文标题】：How to parse a WordPress CSV export using Python

【发布时间】：2015-10-05 05:11:48

【问题描述】：

我需要将 WordPress 中的内容导入基于 Python 的 CMS Plone，并且我使用“;”将帖子表转储为一个巨大的 CSV vanilla 文件作为分隔符。

问题是来自csv module 的标准 CSV 阅读器不够智能，无法解析一行内的 html 内容（post_content 字段）。

例如，当解析器遇到<p> </p> 之类的内容时，它会将分号解释为字段分隔符，我最终会得到比字段更多的项目以及包含错误内容的字段。

还有其他方法可以解决此类问题吗？用正则表达式处理行对我来说似乎很可怕。

【问题讨论】：

哼。如果你先转换所有的 HTML 会不会好吗 进入空格，然后尝试 csv.reader？

您可以添加输入示例吗？

【参考方案1】：

经过一些额外的研究，我通过阅读PEP 0305 的文字发现了excel-tab 方言（它提议在Python 中添加cvs 模块）；这在模块文档中有所提及，但我一开始并没有注意到。

然后我使用制表符作为分隔符 (\t) 重新导出了帖子。

我做了一个测试，读取了一批 1000 行，没有发现任何错误。

【讨论】：

我原以为使用：fields enclosed by " 导出会解决您提到的问题，无论您使用什么分隔符

在我上次的测试中，我们不应该标记“删除字段中的 CRLF 字符”来让 transmogrify.wordpress 检测段落

【参考方案2】：

CSV 模块提供escapechar 格式参数，允许您转义分隔符（已设置为分号）。如果您可以在对csv.reader() 的调用中提供escapechar='\\'，则可以将CSV 文件中的字符\ 替换为\\，并将  替换为&nbsp\;（使用文本编辑器的查找/替换选项）。

【参考方案3】：

对于较小的站点，另一种选择可能是使用pywordpress，这是一个 WordPress XML-RPC API 的 Python 接口。