Question

换句话说，我正在寻找一种方法来忽略＆＃34;，＆＃34;在其中一个领域。

即使字段包含逗号，也应将该字段视为一个字段。

示例：

Round,Winner,place,prize
1,xyz,1,$4,500

如果我用dict阅读器阅读此内容$4,500打印为$4因为500被认为是另一个字段。这是有意义的，因为我正在以逗号分隔的方式读取文件，所以我不能抱怨，但试着想办法解决。

reader = csv.reader(f, delimiter=',', quotechar='"')

我的来源没有用双引号括起来，所以我不能通过包含引号字符串来忽略。

还有其他方法可以处理这种情况吗？可能类似于定义这些美元字段并使其忽略该字段的逗号？或者试着在这个领域附近引用？

如果不是Python，可以使用shell脚本或Perl吗？

Answer 1

也许预先处理数据以将所有钱包装在引号中，然后正常处理

$line =~ s/( \$\d+ (?:,\d{3})* (?:\.\d{2})? )/"$1"/gx;

该模式与$后面的数字匹配，可选地后跟,nnn和/或.nn的任意倍数。它还包含$4.22以及$100，我认为这对于一致性很有帮助。根据需要限制匹配的内容，例如(\$\d{1,3},\d{3})。使用小数美分删除{2}。这并不包括所有可能的边缘/破损情况。

/g修饰符使其替换行中的所有内容，而/x允许空格可读。

你可以做一个单行

perl -pe 's/(\$\d+(?:,\d{3})*(?:\.\d{2})?)/"$1"/g' input.csv  > changed.csv

添加-i开关以覆盖输入（＆＃34; 就地＆＃34;）或-i.bak以保持备份。

如果您预计需要进一步调整或更好地记录，请将其放入脚本

use warnings;
use strict;

my $file = '...';
my $fout = '...';

open my $fh,     '<', $file or die "Can't open $file: $!";
open my $fh_out, '>', $fout or die "Can't open $fout for writing: $!";

while (my $line = <$fh>) {
    $line =~ s/( \$\d+ (?:,\d{3})* (?:\.\d{2})? )/"$1"/gx;
    print fh_out $line;
}

close $fh;
close $fh_out;

Answer 2

如果额外的,总是存在于最后一个字段的一部分，你可以使用Bash读取循环：

#!/bin/bash

while IFS=, read -r f1 f2 f3 f4; do
   # f4 => has everything after f3, including extra commas as in $4,500
   # do your processing
   printf "f1=[$f1] f2=[$f2] f3=$[f3] f4=[$f4]\n"
done < input.txt

输入：

1,xyz,1,$4,500
2,abc,3,$400

输出：

f1=[1] f2=[xyz] f3=1 f4=[$4,500]
f1=[2] f2=[abc] f3=3 f4=[$400]

处理没有双引号的CSV文件

2 个答案: