python - 用python解析CSV中的困难字符串

Question

我正在为我的 Firefox 历史记录 CSV 构建解析器。它包括这样的行：

"2017-07-12 09:43:31","https://english.stackexchange.com/questions/26498/should-there-always-be-a-comma-after-therefore-however-etc","punctuation - Should there always be a comma after ""therefore","However" etc.? - English Language & Usage Stack Exchange"

有没有一种有效的方法来处理这个问题（例如使用一些匹配模板的工具）？从理论上讲，它应该可以解析，因为它总是"$DATE","$URL","$everything_else"但是我不能使用普通的 CSV 解析器（行中有很多逗号）并且我的脚本只匹配 '","' 在这些情况下也失败了。

此外，第三个字段并不总是存在，格式为"$DATE","$URL". 但我认为那是一个小问题。

标签： pythoncsv

Answer 1

可能有更好的方法来做到这一点，但正则表达式可以做到这一点：

import re
capture = re.findall(r"^\"([0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]{2}:[0-9]{2}:[0-9]{2})\",\"([^\"]+)\",?(.+)?$",csv_string)

它返回一个列表列表（下面的示例）。

[('2017-07-12 09:43:31', 'https://english.stackexchange.com/questions/26498/should-there-always-be-a-comma-after-therefore-however-etc',   '"punctuation - Should there always be a comma after ""therefore","However" etc.? - English Language & Usage Stack Exchange"')]

根据您要对数据执行的操作，您可能需要从那里提出一个额外的处理程序。如果i代表您的行号，您可以通过以下方式访问信息：list_for_line[i][0]对于时间戳；list_for_line[i][1]对于网址；和list_for_line[i][2]描述。