在带有多个双引号的字段内读取带有分隔符的 csv 文件

Question

我有一个 csv 文件，其中 , 分隔我想用 pandas 读取的列，即 df = pd.read_csv("myfile.csv",sep=',',dtype=str,encoding='utf-8')。列有多种类型，但我想将所有内容都读取为字符串。以下形式的一行会导致读者在该行中看到比预期更多的列：

# column 1, column 2, column 3, ...
46745,"\\"\\"\\"blabla\\"\\" a, b bli\\"\\"more bla.\\"\\" bl blu \\"\\"bli bla blub\\"\\"\\"","something else",...

有些字段，如这里的第二列和第三列，是用双引号引起来的。第二个字段与其他双引号字段的不同之处在于它包含多个引号，因此当解析器到达, 时，它没有意识到它实际上仍然在它应该识别的引号内，因为最后的引号字符应该后跟分隔符。有趣的是，当您传递engine='python' 时，解析器实际上识别出了这一点，但并没有得出引用还没有完成的结论，而是抛出了错误',' expected after '"'。

我尝试了关键字参数quoting、quotechar、sep 和engine 的各种组合。一切都无济于事。

编辑：根据要求提供示例

import io
s = 'column1,column2,column3\n3463,hello,"more, stuff"\n46745,"\\"\\"\\"blabla\\"\\" a, b bli\\"\\"more bla.\\"\\" bl blu \\"\\"bli bla blub\\"\\"\\"","something else"'
df = pd.read_csv(io.StringIO(s),sep=',',dtype=str,encoding='utf-8')

如果你注释掉最后一行，它会起作用。

Answer 1

通常，字段中的引号会用另一个引号 (") 转义，这可能是解析器的默认设置。

在这种情况下，您可能需要使用escapechar = '\\'。