使用 csv.reader 的制表符分隔文件未在我期望的位置分隔答案

【问题标题】：Tab-delimited file using csv.reader not delimiting where I expect it to使用 csv.reader 的制表符分隔文件未在我期望的位置分隔
【发布时间】：2012-08-21 15:19:03
【问题描述】：

我正在尝试使用 Python 循环遍历以制表符分隔的选举结果文件。以下代码不起作用，但是当我使用具有相同结果的本地文件（注释掉的行）时，它确实按预期工作。

我唯一能想到的是一些标题或内容类型我需要传递 url，但我无法弄清楚。

为什么会这样？

import csv
import requests

r = requests.get('http://vote.wa.gov/results/current/export/MediaResults.txt') 
data = r.text
#data = open('data/MediaResults.txt', 'r')
reader = csv.reader(data, delimiter='\t')
for row in reader:
    print row

结果：

...
['', '']
['', '']
['2']
['3']
['1']
['1']
['8']
['', '']
['D']
['a']
['v']
['i']
['d']
[' ']
['F']
['r']
['a']
['z']
['i']
['e']
['', '']
...

【问题讨论】：

标签： python csv python-requests

【解决方案1】：

也许你想通过 csv API 来嗅探方言：

csvfile = open("example.csv", "rb")
dialect = csv.Sniffer().sniff(csvfile.read(1024))
csvfile.seek(0)
reader = csv.reader(csvfile, dialect)

这将产生正确的输出。

另见

http://docs.python.org/library/csv.html#csv.Sniffer

【讨论】：

原来其实是直接把数据传给reader()构造函数而不是文件句柄。

【解决方案2】：

这很好用：

import csv

reader = csv.reader(open('./MediaResults.txt'),
                    delimiter='\t')
for row in reader:
    print row

csv.reader的第一个参数应该是：

任何支持迭代器协议并返回字符串的对象每次调用它的 next() 方法时

根据the docs，您传递的是字符串，而不是文件对象。字符串表现为单个字符的列表，因此是您观察到的行为。

【讨论】：

【解决方案3】：

所以发生了什么，好吧，致电help 可能会有所启发。

>>> help(csv.reader)
 reader(...)
    csv_reader = reader(iterable [, dialect='excel']
                            [optional keyword args])
        for row in csv_reader:
            process(row)

    The "iterable" argument can be any object that returns a line
    of input for each iteration, such as a file object or a list.  The
    optional "dialect" parameter is discussed below.  The function
    also accepts optional keyword arguments which override settings
    provided by the dialect.

所以看来csv.reader 期望某种类型的迭代器将返回一行，但我们传递了一个在 char 基础上迭代的字符串，这就是为什么它逐个字符解析的原因，解决此问题的一种方法是生成一个临时文件，但我们不需要，我们只需要传递 any 可迭代对象。

请注意以下内容，它只是将字符串拆分为行列表，然后再将其提供给阅读器。

import csv
import requests

r = requests.get('http://vote.wa.gov/results/current/export/MediaResults.txt') 
data = r.text
reader = csv.reader(data.splitlines(), delimiter='\t')
for row in reader:
    print row

这似乎有效。

我还建议使用csv.DictReader，它非常有用。

>>> reader = csv.DictReader(data.splitlines(), delimiter='\t')
>>> for row in reader:
...      print row
{'Votes': '417141', 'BallotName': 'Michael Baumgartner', 'RaceID': '2', 'RaceName': 'U.S. Senator', 'PartyName': '(Prefers Republican Party)', 'TotalBallotsCastByRace': '1387059', 'RaceJurisdictionTypeName': 'Federal', 'BallotID': '23036'}
{'Votes': '15005', 'BallotName': 'Will Baker', 'RaceID': '2', 'RaceName': 'U.S. Senator', 'PartyName': '(Prefers Reform Party)', 'TotalBallotsCastByRace': '1387059', 'RaceJurisdictionTypeName': 'Federal', 'BallotID': '27435'}

基本上它为每一行返回一个字典，使用标题作为键，这样我们就不需要跟踪顺序，而只是名称让我们更容易一些，即row['Votes'] 似乎更具可读性然后row[4]...

【讨论】：

【解决方案4】：

简单的问题： csv.reader 不希望输入字符串。

简单的解决方案：将输入改为：data.splitlines()。

csv 阅读器需要一个迭代器，它一次返回一行。不幸的是，字符串一次迭代一个字符。为了解决这个问题，使用 splitlines() 将字符串变成行列表：

reader = csv.reader(data.splitlines(), delimiter='\t')
for row in reader:
    print row

【讨论】：