作者lh1122 (琳)
看板Python
標題[問題] 抓格式不整齊的csv
時間Thu Mar 29 16:00:25 2018
大家好，
csv某欄的資料裡面包含逗號，
當用python抓的時候就會產生問題，
想請教有什麼方式可以抓某欄格式不整齊的csv資料。謝謝
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.139.157.17
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Python/M.1522310427.A.F6E.html
1F：推 kenduest: 你的 cvs 內容內，有逗點的資料有用雙引號包起來嗎？ 03/29 16:12
2F：→ lh1122: 沒有用雙引號包，資料來自老師，但筆數過多也無法人工加 03/29 16:28
3F：→ lh1122: 雙引號 03/29 16:28
4F：推 ddavid: 如果後欄是數字的話就還有機會，你可以在這一欄特別處理讀 03/29 16:31
5F：→ ddavid: 到數字為止（前提是這欄裡面沒數字） 03/29 16:31
6F：→ ddavid: 或者這一欄如果「一定有剛好一個逗號」的話，你可以當成兩 03/29 16:32
7F：→ ddavid: 欄來讀，再合併並補上中間的逗號 03/29 16:32
8F：→ ddavid: 若沒以上這些比較好處理的情況，要程式自動處理就不容易了 03/29 16:33
9F：→ lh1122: 該欄像人的一般敘述，所以有多個逗號，部分可能也有數字， 03/29 16:43
10F：→ lh1122: 此外下一欄還是文字 03/29 16:43
11F：→ Jeffrey11061: 欄位內容有沒有什麼規則呢？ 03/29 16:43
12F：→ lh1122: 感覺沒有，屬於人的描述，有逗號、數字、文字 03/29 16:47
13F：推 Kazimir: 如果只有這一欄是這種情況 那你就把切開來會比正常多 03/29 16:56
14F：→ Kazimir: 幾欄的那些挑出來 特別處理以後再放回去 03/29 16:57
15F：推 Jeffrey11061: 目前想到可以寫個file I/O的script 將逗點數量不正 03/29 17:03
16F：→ Jeffrey11061: 確的lines濾出來另外處理 03/29 17:03
17F：→ lh1122: 想問K大要怎麼切呢，要依據什麼切？ 03/29 17:18
18F：→ lh1122: 也想問J大要依據什麼過濾呢？ 03/29 17:19
19F：推 vfgce: 不考慮放個資料圖給大家看一下你的資料長什麼樣? 03/29 17:19
20F：推 Jeffrey11061: line by line讀取，count逗號數量，正確的話將該行 03/29 17:27
21F：→ Jeffrey11061: 寫到file A,否則寫到file B 03/29 17:27
23F：→ lh1122: 這是模擬資料，概念是地址這欄有很多逗號，導致格式不整 03/29 17:29
24F：→ lh1122: 齊了，但真實資料中的下一欄是文字，非影像中的數字 03/29 17:29
25F：→ Jeffrey11061: 用純文字方式開啟可能比較好讓大家觀察 03/29 17:30
26F：推 vfgce: 你的逗號看來是全形,應該不影響啊..... 03/29 17:36
28F：推 flarehunter: 用regex找電話號碼的欄位，前面的都當成地址行不行 03/29 18:10
29F：→ iitze: 反過來抓，後面三個欄位保留，前面合併 03/29 18:16
30F：推 vfgce: 假設你的資料都是高雄,line 為讀入的一行 03/29 18:32
31F：→ vfgce: a,b=line.split('07-') 03/29 18:32
32F：→ vfgce: a就是地址部分,b自行把'07-'補上,再做一次split 03/29 18:33
33F：推 hsnusonic: 如果資料是你貼的這樣，從後面切回來就好啦，rsplit(‘ 03/29 21:06
34F：→ hsnusonic: ,’,5) 03/29 21:06
35F：→ lh1122: 感謝各位前輩的慷慨幫助，等我拿到真實資料就來試試，再 03/29 23:19
36F：→ lh1122: 次感謝 03/29 23:19
37F：推 junkuo: 這圖裏面是不是有個資？要注意喔，會被告的 03/30 10:12
39F：→ lh1122: 謝謝J大提醒，這是開放式資料下載來的 03/30 11:32
40F：→ lh1122: 也謝謝N大我來研究看看 03/30 11:32