csv文件容错处理方法

 更新时间:2019年07月22日 09:46:38   作者:安家  
这篇文章主要介绍了csv文件容错处理方法,本文给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下

如果数据库有特殊字符(换行符,转义符),会导致生成的csv无法正常导入。

val1,val2,val3
aa,bb,cc
a
a,bb,cc
aa
,bb,cc
aa,
bb,cc
a\a,bb,cc

第一行header和第二行数据正常。
第三行第一个列有换行符,此时导致第四行看着正常(3列),但是数据又是错误的。
第五行跟第三行类似
第七行实际是第二个单元格首字符换行,导致第八行缺失一列。
第九行有转义符

处理成

val1,val2,val3
aa,bb,cc
aa,bb,cc
aa,bb,cc
aa,bb,cc
aa,bb,cc

利用空闲时间,用python写了个修补工具,原理是利用,csv是从上往下读的,如果前一行列数不够,一定可以从后一列补上。但是可能存在补完后超过指定列(比如列内包含分隔符,导致数据库3列,变成4列),所以需要对其切片,只保留指定列数。

clean_csv.py

# -*- coding: utf-8 -*-
# Author AnJia(anjia0532@gmail.com https://anjia0532.github.io)
import argparse
import sys, os
import io
reload(sys)
sys.setdefaultencoding('utf8')
black_dict={"\\":"","\"":""}
def main():
  parser = argparse.ArgumentParser()
  parser.add_argument('--cols', type=int, dest='cols', action='store', default=-1,help="count of columns,default first line's cells")
  parser.add_argument('--src', type=str, dest='src', action='store', default='',
            help='path to source csv file')
  parser.add_argument('--dest', type=str, dest='dest', action='store', default='',
            help='path to dest csv file')
  parser.add_argument('--encoding', type=str, dest='encoding', action='store', default='utf-8',
            help='file encoding,default utf-8')
  parser.add_argument('--chunksize', type=int, dest='chunksize', action='store', default='10000',
            help='batch lines to write dest file,default 10000')
  parser.add_argument('--delimiter', type=str, dest='delimiter', action='store', default=',',
            help='csv delimiter,default ,')
  args = parser.parse_args()
  cols = args.cols
  src = args.src
  dest = args.dest
  encoding = args.encoding
  chunksize = args.chunksize
  delimiter = args.delimiter
  if not (src and dest) or chunksize <= 0:
   print("invaild args!") 
   sys.exit(-1)
  olds=[]
  lines=[]
  with io.open(src,encoding=encoding) as fp:
   for line in fp.readlines():
    line = line.strip()
    for k,v in black_dict.items():
     if k in line:
      line=line.replace(k,v)
    cells = line.split(delimiter)
    if cols == -1:
     cols=len(cells)
    if(len(cells) < cols or (len(olds)>0 and len(olds) < cols)):
     if not olds:
      olds = cells
     else:
      cells[0]=olds[-1]+cells[0]
      olds.pop()
      olds.extend(cells)
    if len(olds) >= cols:
     cells=olds
     olds=[]
    if not olds:
     lines.append(delimiter.join(cells[0:cols])+"\n")
    if len(lines) % chunksize == 0:
     write_to_file(dest=dest,lines=lines)
     lines=[]
   write_to_file(dest=dest,lines=lines)
def write_to_file(dest,lines=[],encoding='utf-8'):
 p = os.path.split(dest)[0]
 if not os.path.exists(p):
  os.makedirs(p)
 with io.open(file=dest,mode="a+",encoding=encoding) as fp:
  fp.writelines(lines)
if __name__ == '__main__':
  main()

使用方式

python clean_csv.py --src=src.csv --dest=dest.csv --chunksize=50000 --cols --encoding=utf-8 --delimiter=,

总结

以上所述是小编给大家介绍的csv文件容错处理方法,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持!
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!

相关文章

  • 用asp与php实现百度ping服务的代码

    用asp与php实现百度ping服务的代码

    分别用asp与php实现百度ping服务的代码,需要的朋友可以参考下
    2012-02-02
  • Terraform集成简单Gitlab CI方案详解

    Terraform集成简单Gitlab CI方案详解

    这篇文章主要为大家介绍了Terraform + Gitlab CI简单集成方案,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2022-07-07
  • DevOps,CI,CD,自动化简述

    DevOps,CI,CD,自动化简述

    这篇文章主要介绍了DevOps,CI,CD,自动化简单介绍,通过本文给大家简单介绍DevOps,CI,CD,自动化这四者的基本概念,需要的朋友可以参考下
    2021-07-07
  • chatgpt成功解决Access denied 1020错误问题(最新推荐)

    chatgpt成功解决Access denied 1020错误问题(最新推荐)

    从前两天网上开始一直开着的chatgpt网页突然打不开了,提示1020错误,尝试换了不同代理软件或者代理地点仍然无法解决,这篇文章主要介绍了chatgpt成功解决Access denied 1020错误,需要的朋友可以参考下
    2023-05-05
  • 教你免费做一个属于自己稳定有效的图床-PicGo

    教你免费做一个属于自己稳定有效的图床-PicGo

    由于现在很多写作平台都支持了Markdown语法,导致图床用的人越来越多。这篇文章主要介绍了如何免费做一个属于自己稳定有效的图床-PicGo,需要的朋友可以参考下
    2020-01-01
  • ChatGPT将批量文档翻译成中文的方法

    ChatGPT将批量文档翻译成中文的方法

    文档翻译成中文软件是指在处理文档时,自动将文档中的内容翻译成中文的软件,本文就给大家介绍如何用ChatGPT将批量文档翻译成中文的方法,感兴趣的同学跟着小编一起来学习吧
    2023-06-06
  • IE条件语句 IE hack大全

    IE条件语句 IE hack大全

    条件注释只有在IE浏览器被支持,因此仅适用于IE的特殊指令。从IE5起都支持
    2012-05-05
  • 一文带你快速梳理ChatGPT、GPT4 和OpenAPI的关系

    一文带你快速梳理ChatGPT、GPT4 和OpenAPI的关系

    最近最火的几个词无疑是ChatGPT、GPT4 和OpenAPI,那么这三者究竟有什么关系呢,本文将带你进行快速梳理三者的关系,感兴趣的同学可以参考阅读下
    2023-06-06
  • VSCode远程XHR failed无法连接的问题及解决方案

    VSCode远程XHR failed无法连接的问题及解决方案

    VSCode进行远程连接时会检查服务端的Server运行情况,如未运行则需要下载安装,在下载过程中可能需要访问外网,如果外网不通则连接过程失败,解决方法是手动下载离线安装包,手动解压至指定的路径即可,对VSCode远程无法连接问题感兴趣的朋友一起看看吧
    2024-03-03
  • 浅析mmdetection在windows10系统环境中搭建过程

    浅析mmdetection在windows10系统环境中搭建过程

    这篇文章主要介绍了mmdetection在windows10系统环境中搭建过程,本文图文并茂通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下
    2020-01-01

最新评论