如何用Python在多份CSV文件中查找指定泰语词汇并返回文件名列表

问题描述 #

我在一个目录中有100多个文件，需要找出其中包含目标泰语词汇的CSV文件。尝试了以下Python代码但无法正常运行：

import pandas as pd
import re
import os

FOLDER_PATH = r'C:\Users\project'

list = os.listdir(FOLDER_PATH)

def is_name_in_csv(word,csv_file):
  with open(csv_file,"r") as f:
    data = f.read()
  return bool(re.search(word, data))

word = "บัญชีรายรับ"
for csv_file in list:
  if is_name_in_csv(word,csv_file):
    print(f"find the {word} in {csv_file}")

代码问题分析 #

• 使用list作为变量名，覆盖了Python内置的list类型，可能引发后续逻辑错误
• os.listdir()仅返回文件名，不是完整文件路径，直接用文件名打开会找不到文件（除非当前工作目录恰好是目标目录）
• 未过滤非CSV文件，会遍历目录中所有类型文件，打开非文本文件时可能报错
• 打开文件时未指定编码，泰语属于Unicode字符，默认编码会导致读取乱码，进而让正则匹配失效

修正后的代码 #

import re
import os

FOLDER_PATH = r'C:\Users\project'
# 避免使用内置关键字作为变量名
file_names = os.listdir(FOLDER_PATH)

def is_word_in_csv(word, csv_file_path):
    # 指定utf-8编码读取文件，确保泰语字符正确解析
    with open(csv_file_path, "r", encoding="utf-8") as f:
        data = f.read()
    # re默认支持Unicode，直接匹配泰语词汇即可
    return bool(re.search(word, data))

target_word = "บัญชีรายรับ"
for file_name in file_names:
    # 仅处理CSV文件
    if file_name.lower().endswith(".csv"):
        full_file_path = os.path.join(FOLDER_PATH, file_name)
        if is_word_in_csv(target_word, full_file_path):
            print(f"找到词汇 {target_word} 在文件 {file_name}")

关键修改说明 #

• 将变量名list改为file_names，避免与内置类型冲突
• 使用os.path.join()拼接完整文件路径，确保能正确定位文件
• 添加.csv后缀过滤逻辑，只处理目标类型文件
• 打开文件时指定encoding="utf-8"，保证泰语字符正常读取
• 调整变量名（如word改为target_word），提升代码可读性

内容的提问来源于stack exchange，提问作者Tanatchat Laemkom Film