用python解析CSV中的困难字符串

Question

我正在为我的Firefox历史CSV构建一个解析器。它包括这样的行：

"2017-07-12 09:43:31","https://english.stackexchange.com/questions/26498/should-there-always-be-a-comma-after-therefore-however-etc","punctuation - Should there always be a comma after ""therefore","However" etc.? - English Language & Usage Stack Exchange"

有没有一种有效的方法来处理这个问题（例如，使用一些与模板匹配的工具）？理论上讲，解析应该是可能的，因为它总是"$DATE","$URL","$everything_else"，但是我不能使用普通的CSV解析器（行中有许多逗号），而且我的脚本只匹配“，”，在这些情况下也会失败。你知道吗

另外，第三个字段并不总是存在，然后格式是"$DATE","$URL"。但我认为那是个小问题。你知道吗

Answer 1

也许有更好的方法可以做到这一点，但正则表达式可以做到这一点：

import re
capture = re.findall(r"^\"([0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]{2}:[0-9]{2}:[0-9]{2})\",\"([^\"]+)\",?(.+)?$",csv_string)

它返回一个列表列表（下面的示例）。你知道吗

[('2017-07-12 09:43:31', 'https://english.stackexchange.com/questions/26498/should-there-always-be-a-comma-after-therefore-however-etc',   '"punctuation - Should there always be a comma after ""therefore","However" etc.? - English Language & Usage Stack Exchange"')]

根据您想要对数据执行的操作，您可能需要从中产生一个额外的处理程序。如果i表示行号，则可以通过以下方式访问信息：list_for_line[i][0]表示时间戳；list_for_line[i][1]表示url；list_for_line[i][2]表示描述。你知道吗