在带有多个双引号的字段中读取带分隔符的csv文件

Question

我有一个csv文件，其中,分隔了我想用熊猫读取的列，即df = pd.read_csv("myfile.csv",sep=',',dtype=str,encoding='utf-8')。列的类型多种多样，但我想将所有内容读取为字符串。以下形式的一行导致读者在该行中看到的列比预期的多：

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

某些字段，如此处的第二和第三列，用双引号引起来。第二个字段与其他双引号字段不同的原因在于，它包含多个引号，使得当解析器到达,时，它不会意识到它实际上仍然在它应该识别的引号内，因为最终引号字符应该后跟定界符。有趣的是，当您传递engine='python'时，解析器实际上意识到了这一点，但没有得出引号只是还没有结束的结论，而是抛出了错误',' expected after '"'。

我为关键字参数quoting，quotechar，sep和engine尝试了各种组合。一切都无济于事。

编辑：根据要求提供的示例

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')

如果注释掉最后一行，它将起作用。

Answer 1

通常，字段内的引号会与另一个引号（"）进行转义，这可能是解析器的默认值。

在这种情况下，您可能需要使用escapechar = '\\'。