如何在.csv文件中分离数据？

Question

我有一个.csv文件，其中包含一长串数据。 数据看起来类似于：

Name,Gender,Age John Smith,M,23 Ashley Jones,F,18 James Smith Johns,M,20

我的最终目标是分离所有数据，以便将它们放入行中。 我的预期结果将是：

['Name','Gender','Age','John Smith','M','23','Ashley Jones','F','18','James Smith Jones','M','20']

但是，使用类似：

line = line.split(",")
line = line.split(" ")

不会起作用，因为它将在或处将它们分开，并且会有类似以下的值：

'Age John Smith' or 'Age','John','Smith'

有什么办法可以解决此问题？

Answer 1

首先在处分割,然后遍历该列表，并在空格处的每个项目处分割。 如果在空格处分割后返回的项目数大于1，则分别返回第一项和其余项，否则只需返回第一项即可。

import csv
def solve(row):
    for item in row:
        spl = item.split(None, 1)
        if len(spl) > 1:
            yield spl[0]
            yield spl[1]           
        else:
            yield spl[0]
...             
with open('abc1') as f:
    reader = csv.reader(f, delimiter=',')
    for row in reader:      
        print list(solve(row))
...         
['Name', 'Gender', 'Age', 'John Smith', 'M', '23', 'Ashley Jones', 'F', '18', 'James Smith Johns', 'M', '20']

Answer 2

这是使用正则表达式的解决方案：

re.compile("([^,]+),([^,]+),(\d+|Age)\s+").findall("Name,Gender,Age John Smith,M,23 Ashley Jones,F,18 James Smith Johns,M,20")

其结果将是：

[('Name', 'Gender', 'Age'), ('John Smith', 'M', '23'), ('Ashley Jones', 'F', '18')]

Answer 3

有很好的re解决方案，但我只想添加此非正则表达式解决方案：

>>> s = "John Smith,M,23 Ashley Jones,F,18 James Smith Johns,M,20"
>>> sum((item.split(None, 1) for item in s.split(',')), list())
['Name', 'Gender', 'Age', 'John Smith', 'M', '23', 'Ashley Jones', 'F', '18', 'James Smith Johns', 'M', '20']

除了sum ，还可以使用itertools.chain 。 但是最后，它似乎一点都不短。

>>> list(itertools.chain(*[item.split(None, 1) for item in s.split(',')]))

或更好

>>> list(itertools.chain.from_iterable(item.split(None, 1) for item in s.split(',')))

Answer 4

正则表达式的方式。 :-)

>>> s = "John Smith,M,23 Ashley Jones,F,18 James Smith Johns,M,20" #Note: no title here.
>>> [(x.group(1), x.group(3), x.group(4)) for x in re.finditer(r"(\S+( \S+)),(\S),(\d+)",s)]
[('John Smith', 'M', '23'), ('Ashley Jones', 'F', '18'), ('Smith Johns', 'M', '20')]

请注意，我已经删除了标题（第一行），您需要相应地修改regexp或修改输入字符串。

Answer 5

正如我在示例中看到的，行将是line = line.split(",") enoght。 也许我什么都没得到？