Comment extraire le contenu entre et Parenthèses (le cas échéant) dans une ligne de csv, en Python

Question

Le contenu du csv est la suivante:

"Washington-Arlington-Al, DC-VA-MD-WV (MSAD)" 47894 1976 
"Grand-Forks, ND-MN"       24220 2006 
"Abilene, TX"         10180 1977 

La sortie requise est lu par le csv, trouver contenu entre "" dans la colonne 1 et aller chercher seulement DC-VA-MD-WV, ND-MN, TX et mettre ce contenu dans une nouvelle colonne. (Pour la normalisation)

Jusqu'ici essayé beaucoup de modèles regex en python, mais n'a pas pu obtenir le bon.

sample=""" "Washington-Arlington-Al, DC-VA-MD-WV (MSAD)",47894,1976 
      "Grand-Forks, ND-MN",24220,2006 
      "Abilene, TX",10180,1977 """ 
open('sample.csv','w').write(sample) 
with open('sample.csv') as sample, open('output.csv','w') as output: 
    reader = csv.reader(sample) 
    writer = csv.writer(output) 
    for comsplit in row[0].split(','): 
     writer.writerow([ comsplit, row[1]]) 
    print open('output.csv').read() 

Résultat attendu est:

DC-VA-MD-WV 
ND-MN 
TX 

dans une nouvelle ligne

Answer 1

Il n'y a pas besoin d'utiliser regex ici fourni deux choses:

1. La ville a toujours une virgule après suivi par 1 espace d'espaces (bien que je pourrais ajouter une modification à accepter (?) plus de 1 bit d'espace si nécessaire)
2. Il y a un espace après votre séquence de lettres avant de rencontrer quelque chose comme (MSAD).

Ce code donne à votre sortie attendue contre l'entrée de l'échantillon:

with open('sample.csv', 'r') as infile, open('expected_output.csv', 'wb') as outfile: 
    reader = csv.reader(infile) 
    expected_output = [] 
    for row in reader: 
     split_by_comma = row[0].split(',')[1] 
     split_by_space = split_by_comma.split(' ')[1] 
     print split_by_space 
     expected_output.append([split_by_space]) 

    writer = csv.writer(outfile) 
    writer.writerows(expected_output) 

Answer 2

Je ferais comme ça:

with open('csv_file.csv', 'r') as f_in, open('output.csv', 'w') as f_out: 
    csv_reader = csv.reader(f_in, quotechar='"', delimiter=',', 
          quoting=csv.QUOTE_ALL, skipinitialspace=True) 
    csv_writer = csv.writer(f_out) 
    new_csv_list = [] 
    for row in csv_reader: 
     first_entry = row[0].strip('"') 
     relevant_info= first_entry.split(',')[1].split(' ')[0] 
     row += [relevant_info] 
     new_csv_list += [row] 
    for row in new_csv_list: 
     csv_writer.writerow(row) 

Laissez-moi savoir si vous avez des questions.

Answer 3

Il semble que vous rencontrez des difficultés à trouver le bon regex à utiliser pour trouver les valeurs attendues.

J'ai créé un petit échantillon pythext qui répondra à vos besoins.

Fondamentalement, lorsque vous vérifiez le contenu de toutes les valeurs de la première colonne, vous pouvez utiliser une expression régulière comme /(TX|ND-MN|DC-VA-MD-WV)/

J'espère que cela a été utile! Faites-moi savoir si vous avez besoin d'explications supplémentaires.

Answer 4

Je crois que vous pouvez utiliser ce modèle regex, qui extraira toute expression alphanumérique (avec trait d'union ou non) entre une virgule et une parenthèse:

import re 
BETWEEN_COMMA_PAR = re.compile(ur',\s+([\w-]+)\s+\(') 
test_str = 'Washington-Arlington-Al, DC-VA-MD-WV (MSAD)' 
result = BETWEEN_COMMA_PAR.search(test_str) 
if result != None: 
    print result.group(1) 

Cette imprimera en conséquence: DC-VA-MD-WV, comme prévu .