在Python中跨多行的引号之间提取字符串答案

【问题标题】：Extracting string between quotes split across multiple lines in Python在Python中跨多行的引号之间提取字符串
【发布时间】：2013-08-31 22:31:32
【问题描述】：

我有一个包含多个条目的文件。每个条目的格式如下：

"field1","field2","field3","field4","field5"

所有字段都保证不包含任何引号，但它们可以包含,。问题是field4 可以分成多行。因此示例文件可能如下所示：

"john","male US","done","Some sample text
across multiple lines. There
can be many lines of this","foo bar baz"
"jane","female UK","done","fields can have , in them","abc xyz"

我想使用 Python 提取字段。如果该字段不会被拆分为多行，这将很简单：Extract string from between quotations。但是在存在多行字段的情况下，我似乎找不到一种简单的方法来做到这一点。

编辑：实际上有五个字段。抱歉，如果有任何混淆。该问题已被编辑以反映这一点。

【问题讨论】：

链接问题的答案应该可以正常工作。你试过了吗？
是的。我像for line in file: regex.findall(...) 一样使用它。问题发生是因为它是一行一行的。
将所有"\n" 替换为"" 还是需要保留它们？
但这会将所有字段融合在一起。
文件大吗？你能把它全部读入记忆吗？

标签： python regex string

【解决方案1】：

我认为csv 模块可以解决这个问题。它用换行符正确分割：

import csv 

f = open('infile', newline='')
reader = csv.reader(f)
for row in reader:
    for field in row:
        print('-- {}'.format(field))

它产生：

-- john
-- male US
-- done
-- Some sample text
across multiple lines. There
can be many lines of this
-- foo bar baz
-- jane
-- female UK
-- done
-- fields can have , in them
-- abc xyz

【讨论】：

我想过json，但它不喜欢\n的值。
如果没有open 的newline 参数，这个解决方案可能已经足够好了，它可以直接在Python 2 中工作。我理解你为什么使用它，只是觉得它值得注意。

【解决方案2】：

您链接的问题的答案对我有用：

import re
f = open("test.txt")
text = f.read()

string_list = re.findall('"([^"]*"', text)

此时，string_list 包含您的字符串。现在，这些字符串中可以有换行符，但你可以使用

new_string = string_list.replace("\n", " ")

清理它。

【讨论】：

alecxe：当然可以，在这种情况下，可能需要做一些更复杂的事情，比如分块读取文件并解析它们。

【解决方案3】：

试试：

awk '{FS=','} /pattern if needed/{print $0}' fname

【讨论】：

您的意思是使用 RS 代替 OFS 吗？即使那样这也不起作用，因为字段本身可以有,，并且字段是多行的。 awk 只逐行读取文件。

【解决方案4】：

如果您控制此文件的输入，则需要先将 \n 替换为 ([\n]?) 来对其进行清理，然后再将这些值放入逗号分隔的列表中。

或者，不是保存字符串 -- 将它们保存为 r-strings。

然后，使用csv 模块使用预定义的分隔符、编码和引号字符快速解析它

【讨论】：