如何从SQL导出CSV的RTF字段中提取指定位置文本？Python遇阻

步骤说明 #

1. 正确读取CSV字段：目标字段为RTF格式，可能包含逗号，需确保读取时不将字段内的逗号识别为分隔符。
2. 解析RTF为纯文本：原始RTF包含大量格式标记，先转成纯文本再提取，能避免格式符干扰。
3. 提取指定位置内容：根据字符索引切片（注意Python索引从0开始）。

所需工具 #

安装striprtf库用于RTF转纯文本：

pip install striprtf

代码实现 #

import csv
from striprtf import striprtf

# 配置参数
CSV_PATH = "your_exported_data.csv"
TARGET_FIELD_INDEX = 0  # 目标字段在CSV中的索引（从0开始计数）
START_POS = 14456       # 对应第14457位字符（索引需减1）
END_POS = 14528         # 对应第14528位字符（切片右边界）

with open(CSV_PATH, 'r', encoding='utf-8') as f:
    # 处理带引号包裹的字段，避免逗号分割错误
    reader = csv.reader(f, delimiter=',', quotechar='"')
    next(reader)  # 跳过表头（无表头则删除此行）
    
    for row in reader:
        rtf_raw = row[TARGET_FIELD_INDEX]
        # 转换RTF到纯文本
        plain_text = striprtf.striprtf(rtf_raw)
        # 提取指定范围文本
        result = plain_text[START_POS:END_POS]
        print(result)
        # 如需仅处理第一行数据，添加break
        # break

注意事项 #

• 如果需要提取原始RTF字符串（包含格式标记）的对应位置，直接跳过RTF转换步骤，使用result = rtf_raw[START_POS:END_POS]即可。
• 若遇到编码错误，尝试将encoding参数改为latin-1或gbk，匹配CSV文件的实际编码。
• 转纯文本后字符数量会减少，若目标位置是基于纯文本的，需重新确认起始/结束索引。

内容的提问来源于stack exchange，提问作者Jeff Benitez