如何在Python的csv ROW中提取和之间的内容（如果存在）

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

通过csv读取所需的输出，在第1列中的“”之间找到内容，并仅获取DC-VA-MD-WV，ND-MN和TX并将此内容放入新列中。 （用于归一化）

到目前为止，在python中尝试了很多正则表达式模式，但没有找到正确的模式。

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

在新行中

Answer 1

我会这样：

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)

如果您有任何疑问，请告诉我。

Answer 2

提供了以下几点，因此无需使用正则表达式：

1. 城市（？）后面总是有一个逗号，后跟1个空格（尽管我可以添加一个修改以接受超过1位的空格）
2. 在遇到类似(MSAD)类的字母序列之后，还有一个空格。

这段代码针对示例输入给出了预期的输出：

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

我相信您可以使用此正则表达式模式，该模式将提取逗号和括号之间的所有字母数字表达式（带或不带连字符）：

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)

结果将显示为： DC-VA-MD-WV ，如预期的那样。

Answer 4

似乎您很难找到用于查找期望值的正确regex 。

我创建了一个小样本pythext ，它将满足您的要求。

基本上，当您检查第一列的每个值的内容时，可以使用正则表达式，例如/(TX|ND-MN|DC-VA-MD-WV)/

我希望这是有用的！ 让我知道您是否需要进一步的解释。