使用正则表达式 (re) 删除多余换行符的 Python 脚本

Question

我有一个制表符分隔的文本文件，其中可能包含一些包含换行符的值，如下所示:

        col1    col2    col3

row1    val1    "Some text
containing newlines. Yup, possibly
more than one..."        val3
row2    val4    "val5"    val6

注意:

• 包含换行符的文本值保证最初用双引号括起来
• 行数或列数可能不同。
• 任何值都可以是文本或数字，可以包含换行符并且不能

我正在尝试使用 re 编写一个小的 Python 脚本，以便:

• 去掉额外的换行符(但保留原来的换行符，即在每一行的末尾)
• 用双引号将每个值括起来

如果有这样的形式就好了:

def normalize_format(data, delimiter = '\t'):
    data = re.sub(_DESIRED_REGEX_, r'"\1"', data)
    return data

data 是作为单个字符串的整个文件内容，_DESIRED_REGEX_ 是我想知道的内容

re 的使用不是强制性的，但简短而优雅的解决方案值得赞赏:)

Answer 1

您应该使用 csv module相反:

import csv
with open("mycsv.csv", "rb") as infile, open("newcsv.csv", "wb") as outfile:
    reader = csv.reader(infile, delimiter="\t")
    writer = csv.writer(outfile, delimiter="\t", quoting=csv.QUOTE_ALL)
    # Now you can remove all the newlines within fields
    # and write them back to a new CSV file:

    for row in reader:
        writer.writerow([field.replace("\n", " ") for field in row])