Question

我试图解析我无法控制的外部系统中的CSV文件。

逗号用作分隔符
当单元格包含逗号时，它会用引号括起来，所有其他引号都会被另一个引号字符转义。
（我的问题）当单元格没有用引号括起来时，所有引号字符都会被另一个引号转义。

示例CSV：

QW＆＃34;＆＃34; erty，＆＃34;＆＃34;＆＃34; B＆＃34;＆＃34; C＆＃34;＆＃34; d，EF＆＃34;＆＃34 ;＆＃34;＆＃34; G＆＃34;

应解析为：

[['qw"erty', 'a"b"c"d,ef""g']]

但是，我认为Python的csv模块不希望在单元格首先没有包含在引号字符中时转义引号字符。 csv.reader(my_file)（默认为doublequote=True）会返回：

['qw""erty', 'a"b"c"d,ef""g']

有没有办法用python csv模块解析它？

Answer 1

关注@JackManey评论他建议用'""'替换双引号内的所有'\\"'实例。

认识到我们目前是否在双引号单元格内部是不必要的，我们可以用'""'替换'\\"'的所有实例。 Python documentation says：

在阅读时，escapechar从以下字符中删除任何特殊含义

然而，在原始单元格已包含转义字符的情况下，这仍然会中断，例如：'qw\\\\""erty'生成[['qw\\"erty']]。所以我们必须在解析之前转义转义字符。

最终解决方案：

with open(file_path, 'rb') as f:
  content = f.read().replace('\\', '\\\\').replace('""', '\\"')
  reader = csv.reader(StringIO(content), doublequote=False, escapechar='\\')
  return [row for row in reader]

Answer 2

正如@JackManey建议的那样，在阅读完文件后，你可以用双引号替换两双引号。

my_file_onequote = [col.replace('""', '"') for col in row for row in my_file]

如何使用csv模块处理字段值内的双引号？

2 个答案: