如何使用Python解析WordPress CSV导出

Question

我需要将内容从WordPress导入基于Python的CMS Plone中，并且使用“;”将posts表转储为一个巨大的CSV原始文件。 作为分隔符。

问题是来自csv模块的标准CSV阅读器不够智能，无法解析行内的HTML内容（ post_content字段）。

例如，当解析器遇到<p>&nbsp;</p>之类的东西时，它将分号解释为字段定界符，而我最终得到的项目多于字段，且字段内容错误。

还有其他选择可以解决此类问题吗？ 用正则表达式处理行对我来说似乎很可怕。

Answer 1

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（该提议建议在Python中添加cvs模块）。 模块文档中提到了这一点，但起初我没有注意到。

然后，我使用制表符作为分隔符（ \\t ）重新导出了帖子。

我进行了一次测试，读取了1,000行，但没有发现任何错误。

Answer 2

CSV模块提供了escapechar格式参数，该参数允许您转义定界符（已将其设置为分号）。 如果可以在对csv.reader()的调用中提供escapechar='\\\\' ，则可以将CSV文件中的字符\\替换为\\\\ ，并替换  csv.reader() 与&nbsp\\; （使用文本编辑器的“查找/替换”选项）。

Answer 3

对于较小的网站，另一种选择是使用pywordpress ，这是WordPress XML-RPC API的pythonic接口。