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内容如下：

"Washington-Arlington-Al, DC-VA-MD-WV  (MSAD)"  47894  1976
"Grand-Forks, ND-MN"                            24220  2006
"Abilene, TX"                                   10180  1977

需要的输出通过csv读取，找到""之间的内容在第 1 列中，仅获取 DC-VA-MD-WV 、 ND-MN 、 TX 和将此内容放在一个新栏中。（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，但找不到正确的模式。

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

新一行

Answer 1

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 2

这里不需要使用正则表达式，前提是：

城市 (?) 后面总是有一个逗号，后面跟着 1 space 的白色 space（尽管我可以添加修改以接受超过 1 位的白色space 如果需要）
在遇到 (MSAD).

此代码针对示例输入给出了您的预期输出：

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 3

您似乎无法找到正确的 regex 来查找预期值。

我已经创建了一个小样本 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，您可以使用像 /(TX|ND-MN|DC-VA-MD-WV)/

这样的正则表达式

我希望这有用！如果您需要进一步的解释，请告诉我。

Answer 4

我相信你可以使用这个正则表达式模式，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)

这将打印结果：DC-VA-MD-WV，正如预期的那样。

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

How do you extract content between , and Parenthesis(if present) in a csv ROW, in Python

python

regex

csv

normalization