Python定界线分割问题

Question

我正在努力根据变量分隔符拆分文本行，并保留空字段和引用的数据。

例子：

1,"2",three,'four, 4',,"6\tsix"

或作为制表符分隔的版本

1\t"2"\tthree\t'four, 4'\t\t"6\tsix"

都应该导致：

['1', '"2"', 'three', 'four, 4', '', "6\tsix"]

到目前为止，我已经尝试过：

1. 使用拆分，但显然没有按需要处理带引号的分隔符。

2. 使用 csv 库的解决方案，但它往往具有引用所有内容或不引用任何内容的选项，而不保留原始引号。

3. 正则表达式，特别是遵循以下答案中的模式，但它会删除空字段：How to split but ignore separators in quoted strings, in python?

4. 使用 pyparsing 库。我管理的最好的方法如下，但这也会删除空字段（使用逗号分隔符示例）：

   s = '1,"2",three,\'four, 4\',,"6\tsix"'
   wordchars = (printables + ' \t\r\n').replace(',', '', 1)
   delimitedList(OneOrMore(quotedString | Word(wordchars)), ',').parseWithTabs().parseString(s)
   

感谢您的任何想法！

Answer 1

使用此模式匹配双引号外的逗号
,(?=(?:(?:[^"]*\"){2})*[^"]*$)
Demo

编辑： 在双引号或引号之外拆分逗号使用此模式
,(?=(?:(?:[^'\"]*(?:\"|')){2})*[^'\"]*$)
Demo

Answer 2

你为什么说正则表达式会丢弃空字段？ Alan More 在referenced post 中的回答建议

re.split(''';(?=(?:[^'"]|'[^']*'|"[^"]*")*$)''', data)

我试过了（将;改成,后）发现['1', '"2"', 'three', "'four, 4'", '', '"6\tsix"']你说的期望是什么

Answer 3

这对我有用：

import pyparsing as pyp

pyp.delimitedList(pyp.quotedString | pyp.SkipTo(',' | pyp.LineEnd()), ',') \
    .parseWithTabs().parseString(s)

给予

['1', '"2"', 'three', "'four, 4'", '', '"6\tsix"']

避免使用空白字符或所有可打印字符创建单词。 Pyparsing 不会进行任何前瞻操作，这些表达式可能包含的内容可能比您计划的要多。