搜索 .csv 以查找不需要的字符串并删除

Question

我正在对 short.csv 进行测试： 这就是我的“原始”.csv 的样子：

> print test.csv
> onü, toé, 112 #first line in .csv
> four, FIVE, seven #second line in .csv

我想把它读出来并做一些字符串格式化。

# -*- coding: utf-8 -*-
allowed = re.compile("[^0-9a-zA-Z\s,.:]")
myJoin = ""
with open("test.csv") as f:
    for i in f:
        splitted = i.split(",")
        myString = ",".join(splitted)
        myList = list(myString)
        for j in allowed.finditer(myString):
            x = int(j.start())
            del myList[x]

当我打印出x 时，我得到了这个输出：

> x 
> 2
> 3
> 8
> 9

我以为我在allowed 中使用了空格和逗号？！ 我无法理解为什么它将这些标记为“不应该在那里”。此外，我无法直接将其写回.csv，看起来像这样。

我的新“干净”.csv:

> print test.csv
> on, to, 112 #first line in .csv
> four, FIVE, seven #second line in .csv

Answer 1

您可以使用 Python 的 csv 模块来帮助解决这个问题。以下应该会给你想要的结果：

import csv
import re

with open('input.csv', 'r') as f_input, open('output.csv', 'wb') as f_output:
    csv_input = csv.reader(f_input, skipinitialspace=True)
    csv_output = csv.writer(f_output)
    keep = re.compile(r'[^0-9a-zA-Z\s,.:]')

    for cols in csv_input:
        cols = [keep.sub('', col) for col in cols]
        csv_output.writerow(cols)

给你一个output.csv如下：

on,to,112
four,FIVE,seven

Answer 2

与 Martin Evans 的回答没有什么不同，只是它对每个项目都使用了替换：

# -*- coding:utf-8 -*-
import re
import csv

with open('test.csv', 'rb') as source, open('result.csv', 'wb') as destination:
    allowed = re.compile(r'[^0-9a-z,.:\s]+', re.I)
    csv.register_dialect('mydial', delimiter=',', quotechar='"', quoting=csv.QUOTE_MINIMAL, skipinitialspace=True)
    testreader = csv.reader(source, 'mydial')
    reswriter = csv.writer(destination, 'mydial')
    for row in testreader:
        reswriter.writerow([allowed.sub('', x) for x in row])

请注意，前导空格会在结果中消失，但这不是一件坏事。