我有一个 CSV 文件，其中包含包含换行符的字段，例如：
A, B, C, D, E, F
123, 456, tree
, very, bla, indigo
（在这种情况下，第二行的第三个字段是“tree\n”
我尝试了以下方法：
import csv
catalog = csv.reader(open('test.csv', 'rU'), delimiter=",", dialect=csv.excel_tab)
for row in catalog:
print "Length: ", len(row), row
我得到的结果是这样的：
Length: 6 ['A', ' B', ' C', ' D', ' E', ' F']
Length: 3 ['123', ' 456', ' tree']
Length: 4 [' ', ' very', ' bla', ' indigo']
有谁知道如何快速删除无关的换行符？
谢谢！
假设您有这个 Excel 电子表格：
笔记：
将其保存为 Excel 中的 CSV，您将获得此 csv 文件：
A1,B1,"C1,+comma",D1
,B2,"line 1
line 2",D2
,,C3,"D3,+comma"
,,,D4 space
假设您希望将其读入 Python，其中空白单元格仍然有意义并且嵌入的逗号得到正确处理。
所以这：
with open("test.csv", 'rU') as csvIN:
outCSV=(line for line in csv.reader(csvIN, dialect='excel'))
for row in outCSV:
print("Length: ", len(row), row)
正确生成 Excel 中表示的 4x4 列表矩阵列表：
Length: 4 ['A1', 'B1', 'C1,+comma', 'D1']
Length: 4 ['', 'B2', 'line 1\nline 2', 'D2']
Length: 4 ['', '', 'C3', 'D3,+comma']
Length: 4 ['', '', '', 'D4 space']
您发布的示例 CSV 文件在字段周围缺少引号，并带有“额外的换行符”，使该换行符的含义不明确。是新行还是多行字段？
因此，您只能解释此 csv 文件：
A, B, C, D, E, F
123, 456, tree
, very, bla, indigo
作为一个一维列表，如下所示：
with open("test.csv", 'rU') as csvIN:
outCSV=[field.strip() for row in csv.reader(csvIN, delimiter=',')
for field in row if field]
这会产生这个一维列表：
['A', 'B', 'C', 'D', 'E', 'F', '123', '456', 'tree', 'very', 'bla', 'indigo']
然后可以根据需要将其解释并重新组合到任何子组中。
python中惯用的重组方法使用zip，如下所示：
>>> zip(*[iter(outCSV)]*6)
[('A', 'B', 'C', 'D', 'E', 'F'), ('123', '456', 'tree', 'very', 'bla', 'indigo')]
或者，如果你想要一个列表列表，这也是惯用的：
>>> [outCSV[i:i+6] for i in range(0, len(outCSV),6)]
[['A', 'B', 'C', 'D', 'E', 'F'], ['123', '456', 'tree', 'very', 'bla', 'indigo']]
如果您可以更改 CSV 文件的创建方式，那么解释起来就不会那么模棱两可了。
如果您有非空白单元格，这将起作用
data = [['A', ' B', ' C', ' D', ' E', ' F'],
['123', ' 456', ' tree'],
[' ', ' very', ' bla', ' indigo']]
flat_list = chain.from_iterable(data)
flat_list = [cell for cell in flat_list if cell.strip() != ''] # remove blank cells
rows = [flat_list[i:i+6] for i in range(0, len(flat_list), 6)] # chunk into groups of 6
print rows
输出：
[['A', ' B', ' C', ' D', ' E', ' F'], ['123', ' 456', ' tree', ' very', ' bla', ' indigo']]
如果输入中有空白单元格，这将在大多数情况下起作用：
data = [['A', ' B', ' C', ' D', ' E', ' F'],
['123', ' 456', ' tree'],
[' ', ' very', ' bla', ' indigo']]
clean_rows = []
saved_row = []
for row in data:
if len(saved_row):
row_tail = saved_row.pop()
row[0] = row_tail + row[0] # reconstitute field broken by newline
row = saved_row + row # and reassemble the row (possibly only partially)
if len(row) >= 6:
clean_rows.append(row)
saved_row = []
else:
saved_row = row
print clean_rows
输出：
[['A', ' B', ' C', ' D', ' E', ' F'], ['123', ' 456', ' tree ', ' very', ' bla', ' indigo']]
然而，即使是第二种解决方案也会因输入而失败
A,B,C,D,E,F\nG
1,2,3,4,5,6
在这种情况下，输入是模棱两可的，如果您的意思是，没有算法能够猜测：
A,B,C,D,E,F
G\n1,2,3,4,5,6
（或上面给出的输入）
如果您可能遇到这种情况，您将不得不回到保存数据的人那里，并让他们以更清晰的格式保存数据（顺便说一句，CSV 文件中的 open office 引用换行符比 Excel 好得多）。
这应该有效。（警告：大脑编译代码）
with open('test.csv', 'rU') as infile:
data = []
for line in infile:
temp_data = line.split(',')
try:
while len(temp_data) < 6: #column length
temp_data.extend(infile.next())
except StopIteration: pass
data.append(temp_data)
这适用于 CSV 模块并清除空白字段和行：
import csv
import StringIO
data="""A, B, C, D, E, F
123, 456, tree
,,
, very, bla, indigo"""
f=StringIO.StringIO(data) #used just to simulate a file. Use your file here...
reader = csv.reader(f)
out=[]
for line in reader:
line=[x.strip() for x in line if x] # remove 'if x' if you want blank fields
if len(line):
out.append(line)
print out
印刷：
[['A', ' B', ' C', ' D', ' E', ' F'],
['123', '456', 'tree'],
['very', 'bla', 'indigo']]
如果你想要 6 个 col 块：
cols=6
out=[i for sl in out for i in sl] # flatten out
out=[out[i:i+cols] for i in range(0, len(out), cols)] # rechunk into 'cols'
印刷：
[['A', 'B', 'C', 'D', 'E', 'F'],
['123', '456', 'tree', 'very', 'bla', 'indigo']]
如果每行中的字段数相同且字段不能为空：
from itertools import izip_longest
nfields = 6
with open(filename) as f:
fields = (field.strip() for line in f for field in line.split(',') if field)
for row in izip_longest(*[iter(fields)]*nfields): # grouper recipe*
print(row)
('A', 'B', 'C', 'D', 'E', 'F')
('123', '456', 'tree', 'very', 'bla', 'indigo')
如果您知道列数，最好的方法是忽略行尾然后拆分。
像这样的东西
with open(filename, 'rU') as fp:
data = ''.join(fp.readlines())
data = data.split(',')
for n in range(0, len(data), 6)
print(data[n:n+6])
如果您愿意，可以轻松地将其转换为生成器：
def read_ugly_file(filename, delimiter=',', columns=6):
with open(filename, 'rU') as fp:
data = ''.join(fp.readlines())
data = data.split(delimiter)
for n in range(0, len(data), columns)
yield data[n:n+columns]
for row in read_ugly_file('myfile.csv'):
print(row)