替换 CSV 文件 Python 中的模式

Question

我有多个 CSV 文件，它们可以以多种方式表示相似的事物。例如，15 年可以写成 age: 15, age (years): 15, age: 15 岁（这些都是我目前看到的模式）。我想用 15 年替换所有这些。当我知道实际年龄或列号时，我知道该怎么做，但是每次出现的年龄肯定不同，并且列不固定。 csv 文件可能如下所示：

CSV1：

h1,h2,h3
A1,age:15,hh
B3,age:10,fg

所需的 CSV1

h1,h2,h3
A1,15 years,hh
B3,10 years,fg

当它的正确年龄：15 岁时，它肯定是年，而不是月或任何其他单位。

Answer 1

使用re.sub，如下所示，

re.sub(r'(,|^)(?:age\s*(?:\(years\))?:\s*(\d+)\s*(?:years)?)(?=,|$)',
       r'\1\2 years', string)

DEMO

例子：

import re
import csv
with open('file') as f:
    reader = csv.reader(f)
    for i in reader:
        print(re.sub(r'(,|^)(?:age\s*(?:\(years\))?:\s*(\d+)\s*(?:years)?)(?=,|$)', r'\1\2 years', ','.join(i)))

输出：

h1,h2,h3
A1,15 years,hh
B3,10 years,fg

或

for i in reader:
    print(re.sub(r'(,|^)[^,\n]*age\s*:[^,\n]*\b(\d+)\b[^,\n]*', r'\1\2 years', ','.join(i)))

Answer 2

使用字符串模块中的翻译表方法。

import csv
from string import maketrans
from string import ascii_uppercase, ascii_lowercase
delete = ascii_uppercase + ascii_lowercase + ":"
tran = maketrans("", "")

with open("infile.csv", "rb") as infile, open("output.csv", "wb") as outfile:
    reader = csv.reader(infile)
    writer = csv.writer(outfile)
    for row in reader:
        #assuming the second field here
        row[1] = row[1].translate(tran, delete) + " years"
        writer.writerow(row)

我通常更喜欢string.translate，而不是适用的正则表达式，因为它更容易理解和调试。

Answer 3

这是一个猜谜游戏，但如果规则是您想要转换任何包含“年份”一词和一些十进制数字的东西，这应该可以。

import re

_is_age_search = re.compile(r"year|age", re.IGNORECASE).search
_find_num_search = re.compile(r"(\d+)").search

outdir = '/some/dir'
for filename in csv_filenames:
    with open(filename) as f_in, open(os.path.join(outdir, filename), 'w') as f_out:
        writer = csv.writer(f_out)
        for row in csv.reader(f_in):
            for i, val in enumerate(row):
                if _is_age_search(val):
                    search = _find_num_search(val)
                    if search:
                        row[i] = "%d years" % search.groups()
            writer.writerow(row)