如何解析含带引号字符串的CSV——进阶场景

这个问题确实有点棘手，因为Python标准库的csv模块是按照RFC 4180规范设计的——默认会把引号当作字段的边界标记，解析后自动剥离引号，而引号内的分隔符虽然会被当作字段内容，但引号本身留不下来。不过要满足你保留引号+引号内未转义分隔符作为普通字符的需求，完全是可行的，下面给你两种实用方案：

方案一：自定义正则解析（简单直接） #

如果你的CSV格式没有太复杂的转义场景（比如字段内没有转义的引号\"），用正则表达式直接匹配字段是最省心的方式。核心思路是：匹配两种字段类型——带引号的完整字段（包括引号本身）、不带引号的普通字段，这样既能保留引号，又不会拆分引号内的分隔符。

示例代码：

import re

def parse_custom_csv(line, delimiter=','):
    # 正则规则：匹配带引号的字段（含引号） 或 不带引号的字段（直到遇到分隔符）
    pattern = re.compile(rf'(?:"[^"]*"|[^{delimiter}]+)')
    # 去除每个字段首尾可能的空白（如果不需要可以去掉这步）
    return [field.strip() for field in pattern.findall(line)]

# 测试用例
test_line = '"user_id","alice, smith",email,"alice@example.com, work"'
result = parse_custom_csv(test_line)
print(result)
# 输出：['"user_id"', '"alice, smith"', 'email', '"alice@example.com, work"']

如果需要支持字段内的转义引号（比如"he said \"hello\""），只需要调整正则规则，让它能识别转义的引号：

def parse_custom_csv_with_escape(line, delimiter=','):
    # 匹配带转义引号的字段：允许字段内出现 \"
    pattern = re.compile(rf'(?:"(?:\\.|[^"])*"|[^{delimiter}]+)')
    return [field.strip() for field in pattern.findall(line)]

# 测试转义引号场景
test_line = '"message","he said \"hello, world\"",status,success'
result = parse_custom_csv_with_escape(test_line)
print(result)
# 输出：['"message"', '"he said \"hello, world\""', 'status', 'success']

方案二：基于标准csv模块改造（兼容复杂场景） #

如果你依赖csv模块的其他特性（比如处理多行字段），可以先让csv模块正常解析，再给原本带引号的字段重新添加引号。不过这种方法需要额外判断字段原本是否带引号，这里提供一种思路：

import csv
from io import StringIO

def parse_csv_with_quote_preservation(line, delimiter=','):
    # 先让csv模块解析（此时会剥离引号）
    reader = csv.reader(StringIO(line), delimiter=delimiter)
    parsed_fields = next(reader)
    
    # 重新匹配原行的带引号字段，给对应位置的字段加回引号
    original_fields = re.findall(rf'(?:"[^"]*"|[^{delimiter}]+)', line)
    preserved_fields = []
    for orig, parsed in zip(original_fields, parsed_fields):
        # 如果原字段是带引号的，就保留原引号内容；否则用解析后的内容
        preserved_fields.append(orig if orig.startswith('"') and orig.endswith('"') else parsed)
    return preserved_fields

# 测试
test_line = '"product","laptop, 15-inch",price,"999.99"'
result = parse_csv_with_quote_preservation(test_line)
print(result)
# 输出：['"product"', '"laptop, 15-inch"', 'price', '"999.99"']

总结 #

• 如果你不需要处理多行字段、转义引号之外的复杂场景，方案一的正则解析是最直接高效的选择，完全满足你的两个核心需求。
• 如果需要兼容csv模块的高级特性，再考虑方案二的改造方式。

内容的提问来源于stack exchange，提问作者ardabro