#-*- coding: UTF-8 -*- import csv import string import commands import os,sys,math import shutil t="/home/ray/workspace/itri/src/a/" fname1='test.csv' gname1='test2.csv' f=open(t+fname1,"r") g=open(t+gname1,"w") temp = f.readlines() for r in temp: tmp = r tmpline=tmp.replace('<b><font color=”#333366”>','') newline=tmpline.replace('<br /><br />',' "," ') #row=newline.split(',') #if r==temp[0]: #new_row=newline+','+"row" #else: #new_row=newline+','+row g.write(newline) f.closeg.close 我是直接把它当作txt档处理 没有用CSV Module 因为CSV的只有复写跟append上去感觉直接用replace比较方便 现在下面的资料栏位已经可以分隔开不会有一个栏位有多值的问题 但是还是有两个问题 1.把机构名称还有负责人姓名提出来 还是有问题因为找不到一定 相对应的符号...... 2.有些栏位里有负责人姓名有些没有 所以用,"分出来後,还是有些因空白值 而对错栏位目前正在研究re来处理 希望各位大大能够帮忙~~~感激 ※ 引述《KSJ (阿真)》之铭言： : ※ 引述《tt812 (DW)》之铭言： : : 我现在有一个CSV档是从网路上面抓下来的 : : 因原本栏位不够多所以要增加栏位, : : 所以用input output 的方法 : : 其中因爲第三栏的资料要跟据表头再分出不同栏 : : 大概是这样： : : stitle,xpostDate,xbody,xcreatedDate,xAddress, : : "台北市私立宝贝托儿所","2010/8/3 上午 11:48:00","<b><font color=”#333366”>机构 : : 名称:台北市私立宝贝托儿所</font></b><br /><br />负责人姓名:林秀娟<br /><br />联 : : 络人姓名:林秀娟<br /><br />电话:2305-1623<br /><br />立案字号:北市社五(立 : : )676<br /><br />立案日期:0870817<br /><br />核定收托人数:31<br /><br />托收对象: : : 托收对象年龄0-2岁0人; 2-6岁31人; 6-12岁0人<br /><br />是否备有交通车:无<br : : /><br />地址:台北市100宁波西街181巷44号1楼<br /><br /><a href=” : : http://www.dosw.taipei.gov.tw/a/a0104.asp” target=”_blank”>妇女福利及儿童托育 : : 科</a><br />","2011/9/16 上午 01:46:00","台北市宁波西街181巷44号1楼 : : ","121.509605407715","25.026424407959" : : 希望可以把机?名称,负责人姓名,联络人姓名,电话,立案字号等各独立出一栏 : : 目前思考方向是用,取代：然後表头append上去但不得其门而入,希望各位大大帮忙 : 资料不多的话 提供一个笨方式 : 因为有中文 要用unicode 我是用python2.5.4 在idle下 有些decode小问题 : 观念比较重要 : 首先发现 ":" 是个不错的分段点 通常在":"之後就是资料 : 资料的结尾大部份是"<ooxx//>" 之类的东西 : 所以写一个笨的parser : def findcontent(ustr,hstr,tstr): : '''找出hstr与tstr之间的内容''' : h_index = ustr.index(hstr) #找到此字串的index : start = h_index + len(hstr) #内容物的起始index : t_index = ustr.index(tstr,start) #从start後开始找 : end = t_index : return ustr[start:end] : 来回传结果 : 假设第三栏的资料叫 third_str : 比方你要找 机构名称 : 就用 findcontent(third_str.decode("cp950"), : "机构名称:".decode("cp950"), : "</font>".decode("cp950")) : "机构名称:".decode("cp950") 是在idle下用的 : 一般来说 写 u"机构名称:" 就行了 : 要找 负责人姓名 : 就用 findcontent(third_str.decode("cp950"), : "负责人姓名:".decode("cp950"), : "<br />".decode("cp950")) : 以此类推 应该就行了 : 有错请指正 有更好的方法也请与大家分享~ : 感恩 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 111.243.156.171