Python：csv.Dictreader 列上的额外逗号

Question

我有这个读取函数，它使用 csv.DictReader 读取 csv 文件。 file.csv 用逗号分隔，它完全读取。但是，我文件的这一部分有一列包含多个逗号。我的问题是，如何确保逗号被计为列的一部分？我无法更改我的 csv 文件以满足标准。

文本文件：

ID,Name,University,Street,ZipCode,Country
12,Jon Snow,U of Winterfell,Winterfell #45,60434,Westeros
13,Steve Rogers,NYU,108, Chelsea St.,23333,United States
20,Peter Parker,Yale,34, Tribeca,32444,United States
34,Tyrion Lannister,U of Casterly Rock,Kings Landing #89, 43543,Westeros

所需的输出是这样的：

{'ID': '12', 'Name': 'Jon Snow', 'University': 'U of Winterfell', 'Street': 'Winterfell #45', 'ZipCode': '60434', 'Country': 'Westeros'}
{'ID': '13', 'Name': 'Steve Rogers', 'University': 'NYU', 'Street': '108, Chelsea St.', 'ZipCode': '23333', 'Country': 'United States'}
{'ID': '20', 'Name': 'Peter Parker', 'University': 'Yale', 'Street': '34, Tribeca', 'ZipCode': '32444', 'Country': 'United States'}
{'ID': '34', 'Name': 'Tyrion Lannister', 'University': 'U of Casterly Rock', 'Street': 'Kings Landing #89', 'ZipCode': '43543', 'Country': 'Westeros'}

正如你所知道的，由于数字，“街道”至少有两个逗号：

13,Steve Rogers,NYU,108, Chelsea St.,23333,美国

20，彼得帕克，耶鲁，34，翠贝卡，32444，美国

注意：大多数被读取的列都由 str,str 分割，但在“Street”列下，它后面跟着一个 str,str（逗号后有一个额外的空格）。我希望这是有道理的。

我尝试查看的选项是使用 re.split，但我不知道如何在我的读取文件上实现它。我在想re.split(r'(?!\s),(?!\s)',x[:-1])？如何确保我的文件中的格式将计入任何列？我不能使用熊猫。

我当前的输出现在看起来像这样：

{'ID': '12', 'Name': 'Jon Snow', 'University': 'U of Winterfell', 'Street': 'Winterfell #45', 'ZipCode': '60434', 'Country': 'Westeros'}
{'ID': '13', 'Name': 'Steve Rogers', 'University': 'NYU', 'Street': '108', 'ZipCode': 'Chelsea St.', 'Country': '23333', None: ['United States']}
{'ID': '20', 'Name': 'Peter Parker', 'University': 'Yale', 'Street': '34', 'ZipCode': 'Tribeca', 'Country': '32444', None: ['United States']}
{'ID': '34', 'Name': 'Tyrion Lannister', 'University': 'U of Casterly Rock', 'Street': 'Kings Landing #89', 'ZipCode': '43543', 'Country': 'Westeros'}

这是我的阅读功能：

import csv

list = []
with open('file.csv', mode='r') as csv_file:
  csv_reader = csv.DictReader(csv_file, delimiter=",", skipinitialspace=True)

  for col in csv_reader:
    list.append(dict(col))
    print(dict(col))

Answer 1

如果文件不是有效的 CSV 格式，则不能使用 csv。

您需要在普通线路上调用re.split()，而不是在字典上。

list = []
with open('file.csv', mode='r') as csv_file:
    keys = csv_file.readline().strip().split(',') # Read header line
    for line in csv_file:
        line = line.strip()
        row = re.split(r'(?!\s),(?!\s)',line)
        list.append(dict(zip(keys, row)))

Answer 2

该问题的实际解决方案是修改生成 csv 文件的脚本。

如果您有机会修改该输出，您可以做两件事

• 使用逗号以外的分隔符，例如| 符号或;，无论您认为它在字符串中不存在。
• 或者用" 将所有列括起来，这样你就可以用, 来分割它们，, 是实际的分隔符。

如果您没有机会修改输出。

如果您确定多个逗号仅在街道列中；那么您应该使用csv.reader 而不是DictReader 这样您就可以通过您已经确定的索引获取列。例如row[0] 将是ID row[1] 将是Name 和row[-1] 将是Country row[-2] 将是ZipCode 所以我猜row[2:-2] 会给你你需要的东西。可以安排索引，但我想这个想法很清楚。

希望对您有所帮助。

---

编辑：

import csv

list = []
with open('file.csv', mode='r') as csv_file:
  csv_reader = csv.reader(csv_file, delimiter=",", skipinitialspace=True)
  # pass the header row
  next(csv_reader)
  for row in csv_reader:
  list.append({"ID": row[0],
               "Name": row[1],
               "University": row[2],
               "Street": ' '.join(row[3:-2]),
               "Zipcode": row[-2],
               "Country": row[-1]})
print(list)

-- 这是输出（带有 pprint）

[{'Country': 'Westeros',
'ID': '12',
'Name': 'Jon Snow',
'Street': 'Winterfell #45',
'University': 'U of Winterfell',
'Zipcode': '60434'},
{'Country': 'United States',
'ID': '13',
'Name': 'Steve Rogers',
'Street': '108 Chelsea St.',
'University': 'NYU',
'Zipcode': '23333'},
 {'Country': 'United States',
'ID': '20',
'Name': 'Peter Parker',
'Street': '34 Tribeca',
'University': 'Yale',
'Zipcode': '32444'},
 {'Country': 'Westeros',
'ID': '34',
'Name': 'Tyrion Lannister',
'Street': 'Kings Landing #89',
'University': 'U of Casterly Rock',
'Zipcode': '43543'}]

-- 第二次编辑 在街上编辑了索引。 问候。