使用re.search筛选CSV含关键词行丢失数据的技术求助

我帮你梳理下代码里的几个核心问题，这应该就是导致符合条件的行没被写入新文件的关键原因：

1. 行号对应关系完全混乱 #

你第一个循环里用next(csvreader)跳过了表头，所以enumerate(csvreader)返回的line是从0开始，对应原文件的第2行（索引1）；但第二个循环里你从头读取整个文件，idx从0开始对应原文件的表头（索引0），还加了idx+=-1的操作，这会让idx变成-1、0、1...完全和之前记录的healthy_new里的行号对不上！比如第一个循环里匹配到的line=0是原文件的第1行（数据行第一行），但第二个循环里idx要等于1才对应这行，可你把idx减了1，自然匹配不到。

2. 不必要的异常捕获 #

ValueError在这里根本不会触发，re.search只会在正则表达式格式错误时报错，而你的关键词都是普通字符串，这个try-except不仅多余，还可能掩盖真正的错误（比如row[4]不存在导致的索引越界）。

3. 文件打开模式错误 #

在Python 3中处理CSV文件，应该用文本模式（'r'/'w'）而不是二进制模式（'rb'），二进制模式可能会导致读取的内容编码异常，直接影响关键词匹配结果。

4. 冗余匹配影响效率 #

你的healthy_list里有重复的'diet'，而且匹配到关键词后还继续循环其他关键词，既浪费性能又会重复添加行号（虽然最后转成集合去重，但完全没必要）。

修正后的代码 #

我直接重构了逻辑，避免行号匹配的问题，同时优化了匹配效率：

import csv
import re

# 先给关键词列表去重，避免重复匹配
healthy_list = list(set(['diet', 'low-fat', 'light', 'diet', 'salad', 'salads', 'baked', 'grilled', 'whole grain']))
# 预编译正则表达式，用|分隔关键词，自动忽略大小写，不用手动转lower()
pattern = re.compile('|'.join(re.escape(word) for word in healthy_list), re.IGNORECASE)

healthy_rows = []

# 用文本模式打开，指定newline=''避免换行符混乱，编码按需调整
with open("Data 2017.csv", "r", newline='', encoding='utf-8') as f:
    csvreader = csv.reader(f, delimiter=",")
    # 先保存表头，写入新文件时需要
    header = next(csvreader)
    healthy_rows.append(header)
    
    # 直接遍历每一行，匹配到就加入结果列表，不用记录行号
    for row in csvreader:
        # 先检查列数足够，避免索引越界
        if len(row) >= 5:
            # 用预编译的正则快速匹配
            if pattern.search(row[4]):
                healthy_rows.append(row)

# 写入新文件，同样注意newline参数
with open("healthy_new_output.csv", "w", newline='', encoding='utf-8') as f:
    writer = csv.writer(f, delimiter=',')
    writer.writerows(healthy_rows)

关键改进点 #

• 直接保存符合条件的行，彻底规避行号对应错误的问题
• 预编译正则表达式，匹配效率更高，且自动忽略大小写
• 先检查行的列数，避免索引越界报错
• 用with语句管理文件，自动关闭资源，避免泄漏
• 关键词列表去重，减少冗余匹配

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