csv 的内容如下:
"Washington-Arlington-Al, DC-VA-MD-WV (MSAD)" 47894 1976
"Grand-Forks, ND-MN" 24220 2006
"Abilene, TX" 10180 1977
所需的输出是通过csv读取的,找到"之间的内容在第 1 列中,仅获取 DC-VA-MD-WV、ND-MN、TX 和将此内容放在新列中。(用于规范化(
到目前为止,在python中尝试了很多正则表达式模式,但无法获得正确的模式。
sample=""" "Washington-Arlington-Al, DC-VA-MD-WV (MSAD)",47894,1976
"Grand-Forks, ND-MN",24220,2006
"Abilene, TX",10180,1977 """
open('sample.csv','w').write(sample)
with open('sample.csv') as sample, open('output.csv','w') as output:
reader = csv.reader(sample)
writer = csv.writer(output)
for comsplit in row[0].split(','):
writer.writerow([ comsplit, row[1]])
print open('output.csv').read()
预期输出为:
DC-VA-MD-WV
ND-MN
TX
在新行中
这里不需要使用正则表达式,提供了几件事:
- 城市 (?( 后面总是有一个逗号,后跟 1 个空格(尽管如果需要,我可以添加修改以接受超过 1 位空格(
- 在遇到类似
(MSAD)
的东西之前,您的字母序列后面有一个空格。
此代码根据示例输入提供预期输出:
with open('sample.csv', 'r') as infile, open('expected_output.csv', 'wb') as outfile:
reader = csv.reader(infile)
expected_output = []
for row in reader:
split_by_comma = row[0].split(',')[1]
split_by_space = split_by_comma.split(' ')[1]
print split_by_space
expected_output.append([split_by_space])
writer = csv.writer(outfile)
writer.writerows(expected_output)
我会这样做:
with open('csv_file.csv', 'r') as f_in, open('output.csv', 'w') as f_out:
csv_reader = csv.reader(f_in, quotechar='"', delimiter=',',
quoting=csv.QUOTE_ALL, skipinitialspace=True)
csv_writer = csv.writer(f_out)
new_csv_list = []
for row in csv_reader:
first_entry = row[0].strip('"')
relevant_info= first_entry.split(',')[1].split(' ')[0]
row += [relevant_info]
new_csv_list += [row]
for row in new_csv_list:
csv_writer.writerow(row)
如果您有任何问题,请告诉我。
您可以使用这种正则表达式模式,它将提取逗号和括号之间的任何字母数字表达式(带连字符或不带连字符(:
import re
BETWEEN_COMMA_PAR = re.compile(ur',s+([w-]+)s+(')
test_str = 'Washington-Arlington-Al, DC-VA-MD-WV (MSAD)'
result = BETWEEN_COMMA_PAR.search(test_str)
if result != None:
print result.group(1)
这将打印为结果:DC-VA-MD-WV
,如预期的那样。
您似乎无法找到用于查找预期值的正确regex
。
我创建了一个小样本 pythext,可以满足您的要求。
基本上,当您检查第一列的每个值的内容时,您可以使用类似 /(TX|ND-MN|DC-VA-MD-WV)/
我希望这是有用的!如果您需要进一步的解释,请告诉我。