※ 引述《tt812 (DW)》之铭言： : 我现在有一个CSV档是从网路上面抓下来的 : 因原本栏位不够多所以要增加栏位, : 所以用input output 的方法 : 其中因爲第三栏的资料要跟据表头再分出不同栏 : 大概是这样： : stitle,xpostDate,xbody,xcreatedDate,xAddress, : "台北市私立宝贝托儿所","2010/8/3 上午 11:48:00","<b><font color=”#333366”>机构 : 名称:台北市私立宝贝托儿所</font></b><br /><br />负责人姓名:林秀娟<br /><br />联 : 络人姓名:林秀娟<br /><br />电话:2305-1623<br /><br />立案字号:北市社五(立 : )676<br /><br />立案日期:0870817<br /><br />核定收托人数:31<br /><br />托收对象: : 托收对象年龄0-2岁0人; 2-6岁31人; 6-12岁0人<br /><br />是否备有交通车:无<br : /><br />地址:台北市100宁波西街181巷44号1楼<br /><br /><a href=” : http://www.dosw.taipei.gov.tw/a/a0104.asp” target=”_blank”>妇女福利及儿童托育 : 科</a><br />","2011/9/16 上午 01:46:00","台北市宁波西街181巷44号1楼 : ","121.509605407715","25.026424407959" : 希望可以把机?名称,负责人姓名,联络人姓名,电话,立案字号等各独立出一栏 : 目前思考方向是用,取代：然後表头append上去但不得其门而入,希望各位大大帮忙 资料不多的话 提供一个笨方式 因为有中文 要用unicode 我是用python2.5.4 在idle下 有些decode小问题 观念比较重要 首先发现 ":" 是个不错的分段点 通常在":"之後就是资料 资料的结尾大部份是"<ooxx//>" 之类的东西 所以写一个笨的parser def findcontent(ustr,hstr,tstr): '''找出hstr与tstr之间的内容''' h_index = ustr.index(hstr) #找到此字串的index start = h_index + len(hstr) #内容物的起始index t_index = ustr.index(tstr,start) #从start後开始找 end = t_index return ustr[start:end] 来回传结果 假设第三栏的资料叫 third_str 比方你要找 机构名称 就用 findcontent(third_str.decode("cp950"), "机构名称:".decode("cp950"), "</font>".decode("cp950")) "机构名称:".decode("cp950") 是在idle下用的 一般来说 写 u"机构名称:" 就行了 要找 负责人姓名 就用 findcontent(third_str.decode("cp950"), "负责人姓名:".decode("cp950"), "<br />".decode("cp950")) 以此类推 应该就行了 有错请指正 有更好的方法也请与大家分享~ 感恩 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.112.63.249