将格式不正确的CSV读取到熊猫中-未转义的引号

Question

我继承了几百个CSV，我想将它们导入到pandas数据框中。 它们的格式如下：

username;date;retweets;favorites;text;geo;mentions;hashtags;id;permalink
;2011-03-02 11:04;0;0;"ICYMI: "What you have is 87 people who have common goals of working for [the] next generation; that’s why our...";;;;"42993734165594112";https://twitter.com/AustinScottGA08/status/42993734165594112
;2014-02-25 10:38;3;0;"Will be asking tough questions of #IRS at 2/26 FSGG hearing; supporting bills to make agency more accountable.";;;#IRS;"438352361812426752";https://twitter.com/AnderCrenshaw/status/438352361812426752
;2017-06-14 12:39;4;6;"Thank you to the brave men and women who have answered the call to defend our great nation. Happy 242nd Birthday @USArmy ! #ArmyBDay pic.twitter.com/brBYCOLBJZ";;@USArmy;#ArmyBDay;"875045042758369281";https://twitter.com/AustinScottGA08/status/875045042758369281

要将其放入熊猫数据框，我尝试：

tweets = pd.read_csv(file, header=0, sep=';', parse_dates = True)

并得到此错误：

ParserError: Error tokenizing data. C error: Expected 10 fields in line 1, saw 11

我认为那是因为字段内有一个不转义的引号

ICYMI：“您拥有87位共同为下一代工作的目标的人；这就是我们...

所以，我尝试

tweets = pd.read_csv(file, header=0, sep=';', parse_dates = True, quoting=csv.QUOTE_NONE)

并得到一个新的错误（我认为是因为该字段中有;）：

在2/26 FSGG听证会上将问#IRS的棘手问题； 支持法案，使代理机构更加负责。 http://tinyurl.com/n8ozeg5

ParserError: Error tokenizing data. C error: Expected 10 fields in line 2, saw 11

我无法重新生成这些CSV文件。 我想知道的是，如何预处理/修复它们，以使其正确格式化（即，字段中的转义引号）？ 或者，是否有一种方法即使使用未转义的引号也可以直接将它们读入数据框？

Answer 1

在读熊猫之前，我会先清理数据。 这是我对您当前问题的解决方案。

编辑：
这将取代; 双引号内（基于此答案）

o = open("fileOut.csv", 'w')
with open("fileIn.txt") as f:
   for lines in f:
      o.write(re.sub('\"[^]]*\"', lambda x:x.group(0).replace(';',''), lines))
o.close()

原版的：

o = open("fileOut.csv", 'w')
with open("fileIn.txt") as f:
    for lines in f:
        o.write(lines.replace("; ", ""))
o.close()