從.txt文件以.csv混淆數據

Question

我想根據要刪除的文件在不同的.txt文件中基於要刪除的數據列表來混淆出現在.csv文件列中的單詞。

理想情況下，我將能夠忽略我的數據的情況，然後在.csv文件中，用'*'替換「刪除」文件中的匹配詞。我不知道什麼是最好的方法將取代.csv文件中的單詞，同時也忽略大小寫。到目前爲止，我的工作並不奏效，我很樂於接受解決方案。

實施例的數據文件：

This is a line of text in .csv column that I want to remove a word from or data such as 123 from. 

我的.txt文件將是數據的列表，以除去：

want 
remove 
123 

輸出應爲：

This is a line of text in .csv column that I **** to ****** a word or data such as *** from. 

我的代碼：

import csv 

with open('MyFileName.csv' , 'rb') as csvfile, open ('DataToRemove.txt', 'r') as removetxtfile: 
    reader = csv.reader(csvfile) 
    reader.next() 
    for row in reader: 
     csv_words = row[3].split(" ") #Gets the word for the 4th column in .csv file 
      for line in removetxtfile: 
       for wordtoremove in line.split(): 
        if csv_words.lower() == wordtoremove.lower() 
         csv_words = csv_words.replace(wordtoremove.lower(), '*' * len(csv_words)) 

Answer 1

我會從構建一組審查單詞開始。我的輸入基本上是換行符分隔的單詞的純文本文件。如果你的文本文件不同，你可能需要單獨解析。

其他的想法：

創建的，而不是試圖覆蓋輸入文件單獨審查文件輸出。這樣，如果你搞砸你的算法，你不會失去你的數據。

您在第4列上做了.split(" ")，只有當該列中有多個單詞，空格分隔時纔有必要。如果不是這種情況，可以跳過for w in csv_words循環，循環遍歷第4列中的所有單詞。

import csv 
import re 
import string 

PUNCTUATION_SPLIT_REGEX = re.compile(r'[\s{}]+'.format(re.escape(string.punctuation))) 

# construct a set of words to censor 
censor_words = set() 
with open ('DataToRemove.txt', 'r') as removetxtfile: 
    for l in removetxtfile: 
    words = PUNCTUATION_SPLIT_REGEX.split(l) 
    for w in words: 
     censor_words.add(w.strip().lower()) 

with open('MyFileName.csv' , 'rb') as csvfile, open('CensoredFileName.csv', 'w') as f: 
    reader = csv.reader(csvfile) 
    # reader.next() 
    for row in reader: 
     csv_words = row[3].split(' ') #Gets the word for the 4th column in .csv file 
     new_column = [] 
     for w in csv_words: 
      if w.lower() in censor_words: 
       new_column.append('*'*len(w)) 
      else: 
       new_column.append(w) 
     row[3] = ' '.join(new_column) 
     f.write(' '.join(row) + '\n')