如何解析可能跨多行的制表符分隔文件？

Question

我有一个用制表符分隔的文件，里面有不同的数据点：

"ID"    "Value"
"1" "This is a value"

我可以很简单地用内置的字符串函数 split 来提取这些数据。不过，有时候我会遇到这样的情况：

"ID"    "Value"
"1" "This is a value"
"2" "This is another
value"
"3" "Just one more"

就是第二个值跨越了多行。那我该怎么才能完整地捕捉到每个数据点呢？

最终我想要的是像这样的字典列表：

[{'ID':'1', 'Value':'This is a value'}, {'ID':'2', 'Value':'This is another\nvalue'}, {'ID':'3', 'Value':'Just one more'}]

Answer 1

在遍历每一行的时候，你有两种情况可以考虑：第一种是默认情况，这时候你是在读取一个新的记录，所以你可以像平常一样处理它，不用考虑多行的情况。第二种情况是，当上一行没有结束这个记录，也就是说它的结尾没有引号。这种情况下，你还是在继续添加内容到之前的记录中。因此，你只需要记住之前记录的状态和记录本身，这样就能顺利解析你的文件了。

大概是这样的：

isNew = True
records = []
for line in file:
    if isNew:
        records.append(line.strip().split('\t'))
    else:
        records[-1][-1] += '\n' + line
    isNew = records[-1][-1].endswith('"')

Answer 2

import csv
r=csv.reader(open("a.tsv"), delimiter="\t", quotechar='"')
print r.next()

这里有一个可以运行的示例，点击这个链接可以查看：http://codebunk.com/b/4095452/