如何在 Python 中的 csv 行中提取 、 和括号(如果存在)之间的内容

Question

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

Answer 1

这里不需要使用正则表达式，提供了几件事：

1. 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(
2. 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)

Answer 2

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。

Answer 3

我相信

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。

Answer 4

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。