给定文件的特定结构，如何在 python 中解析文件？

Question

我在尝试解析文件时遇到问题，在该文件中，对于每一行，我都有如下结构，所有字符串都用引号引起来：

"is_post" "author_name" "timestamp" "tags" "text"

文件中的所有数据也都被引用了；这意味着我可能有一些东西：

"True", "auth1", "1970:01:01T23:59:59", "soccer football match", "Just a great match!"

当"text" 字段内部有\n 时，就会出现问题，例如：

"True", "auth1", "1970:01:01T23:59:59", "soccer football match", "Just a great match!
Barcelona 2
Real Madrid 3

Real Madrid wins the match!"

在这种情况下，我可以通过哪种方式继续阅读下一行中的文件，直到到达下一个报价？

到目前为止我尝试过的如下：

import shlex
from typing import NamedTuple, List

class Comment(NamedTuple):
    is_post: str
    author: str
    timestamp: str
    tags: str
    text: str

comments: List[Comment]


def open_comment_file(self):
    with open(self.operations + "comments.csv", "r") as f:
        for line in f:        
            arr = shlex.split(line)
            comments.append(Comment(arr[0], arr[1], arr[2], arr[3], arr[4]))

但显然，我没有考虑line 不以引号结尾的情况，因为我正在逐行读取文件。

我该如何处理这种情况？

编辑：对于上面的例子，我想要得到的结果是一行，如下：

"True", "auth1", "1970:01:01T23:59:59", "soccer football match", "Just a great match! Barcelona 2 Real Madrid 3 Real Madrid wins the match!"

Answer 1

这是一个有效的 csv 文件，包含多行字段（, 和 " 之间的空格除外）。

所以你真的应该使用csv parser 而不是使用split() 并尝试自己解析文件（这也将处理引号等）。