我用python编写了HTML解析器,用于提取数据,使其在csv文件中看起来像这样:
itemA, itemB, itemC, Sentence that might contain commas, or colons: like this,\n
所以我使用了一个delmiter“ :::::”认为它不会在数据中被挖掘
itemA, itemB, itemC, ::::: Sentence that might contain commas, or colons: like this,::::\n
这适用于数千行中的大多数,但是,显然是冒号:当我在Calc中导入csv时,可以抵消它。
我的问题是,在创建带有许多需要用某种分隔符分隔的句子的csv时,最佳或唯一的分隔符是什么?我是否正确理解分隔符,因为它们将CSV中的值分开?
[正如我在评论中非正式建议的那样,唯一性意味着您需要使用数据中不会包含的某些字符-chr(255)
可能是个不错的选择。例如:
import csv
DELIMITER = chr(255)
data = ["itemA", "itemB", "itemC",
"Sentence that might contain commas, colons: or even \"quotes\"."]
with open('data.csv', 'wb') as outfile:
writer = csv.writer(outfile, delimiter=DELIMITER)
writer.writerow(data)
with open('data.csv', 'rb') as infile:
reader = csv.reader(infile, delimiter=DELIMITER)
for row in reader:
print row
输出:
['itemA', 'itemB', 'itemC', 'Sentence that might contain commas, colons: or even "quotes".']
如果您不使用csv
模块,而是手动写入和/或读取数据,则它将像这样:
with open('data.csv', 'wb') as outfile:
outfile.write(DELIMITER.join(data) + '\n')
with open('data.csv', 'rb') as infile:
row = infile.readline().rstrip().split(DELIMITER)
print row
是的,定界符在CSV文件的每一行中分隔值。划定带有大量标点符号的文本有两种策略。首先,您可以引用这些值,例如:
Value 1, Value 2, "This value has a comma, <- right there", Value 4
第二种策略是使用制表符(即'\t'
)。
Python的内置CSV模块可以读取和写入使用引号的CSV文件。查看the csv.reader
function下的示例代码。内置的csv模块将正确处理引号,例如它将转义值本身中的引号。
CSV文件通常使用双引号csv.reader
来包装可能包含诸如逗号之类的字段分隔符的长字段。如果该字段包含双引号,则使用反斜杠将其转义:"
。