如何使用 Python 解析 WordPress CSV 导出
How to parse a WordPress CSV export using Python
我需要将内容从 WordPress 导入到 Plone，这是一个基于 Python 的 CMS，我将帖子 table 转储为一个巨大的 CSV vanilla 文件，使用“;”作为分隔符。
问题是来自 csv module 的标准 CSV reader 不够智能，无法解析行内的 HTML 内容（post_content 字段）。
例如，当解析器遇到类似 <p> </p> 的情况时，它将分号解释为字段分隔符，我最终得到的项目多于字段，并且字段内容错误。
有没有其他方法可以解决这类问题？用正则表达式处理行对我来说似乎很可怕。
CSV 模块提供了escapechar 格式参数，它允许您转义分隔符（您已将其设置为分号）。如果您可以在对 csv.reader() 的调用中提供 escapechar='\'，则可以将 CSV 文件中的字符 \ 替换为 \，并将 替换为  \;（使用文本编辑器的 find/replace 选项）。
经过一些额外的研究，我通过阅读 PEP 0305 的文本发现了 excel-tab 方言（建议将 cvs 模块添加到 Python）；模块文档中有提到，但我一开始没注意到。
然后我使用制表符作为分隔符 (\t) 重新导出了帖子。
我测试读取了一批 1,000 行，没有发现任何错误。
另一种选择，对于较小的站点，可以使用 pywordpress，一个 WordPress 的 pythonic 接口 XML-RPC API.
我需要将内容从 WordPress 导入到 Plone，这是一个基于 Python 的 CMS，我将帖子 table 转储为一个巨大的 CSV vanilla 文件，使用“;”作为分隔符。
问题是来自 csv module 的标准 CSV reader 不够智能，无法解析行内的 HTML 内容（post_content 字段）。
例如，当解析器遇到类似 <p> </p> 的情况时，它将分号解释为字段分隔符，我最终得到的项目多于字段，并且字段内容错误。
有没有其他方法可以解决这类问题？用正则表达式处理行对我来说似乎很可怕。
CSV 模块提供了escapechar 格式参数，它允许您转义分隔符（您已将其设置为分号）。如果您可以在对 csv.reader() 的调用中提供 escapechar='\'，则可以将 CSV 文件中的字符 \ 替换为 \，并将 替换为  \;（使用文本编辑器的 find/replace 选项）。
经过一些额外的研究，我通过阅读 PEP 0305 的文本发现了 excel-tab 方言（建议将 cvs 模块添加到 Python）；模块文档中有提到，但我一开始没注意到。
然后我使用制表符作为分隔符 (\t) 重新导出了帖子。
我测试读取了一批 1,000 行，没有发现任何错误。
另一种选择，对于较小的站点，可以使用 pywordpress，一个 WordPress 的 pythonic 接口 XML-RPC API.