如何在 Python 中存储包含常见分隔字符的二维字符串数组？

Question

我正在尝试存储我在 Python 脚本中使用的大量新闻文章（最终可能超过几千篇）。为方便起见，我想将它们存储在文本文件中的二维数组中，例如 [[ID, Title, Article],[1, 'Bill's Burgers', 'The owner, Bill, makes good burgers."]]。然而，我在网上找到的解决方案需要一些字符，如逗号、空格、换行符等来分隔条目。由于这些通常出现在新闻文章中，我不能用它们来分隔元素。

我尝试使用 json 格式化我的二维数组，但发现这对我的数组没有任何作用。打印/打开 txt 文件时，它的显示与我声明时完全一样 - "[[[["ID", "URL", "Title", "Date", "Article"],["1","2 ","3","4","5"]]"。我的代码如下：

scraped_articles_array_headings = [["ID", "URL", "Title", "Date", "Article"],["1","2","3","4","5"]]
headings_encoded = json.dumps(scraped_articles_array_headings)
print(headings_encoded)
f = open("articles_encoded2.txt", "w", encoding="utf-8")
f.write(headings_encoded)
f.close()

我怎么在这里误用了 json？我欢迎任何有关存储此数据的合适方法的建议 - 理想情况下，我只希望系统能够轻松搜索每个参数（ID、标题等）的内容，我明白上述方法可能没有遵循明智的做法实现这一目标的途径。

Answer 1

我想你可能想查看一个示例 JSON 格式的文档。 请记住，这与 CSV 格式不同，CSV 格式基于行并使用您提到的分隔符。

要将这些值存储在 JSON 中，您可能需要执行以下操作：

[
    {
        "id": 1,
        "url": "https://example.com",
        "title": "Example Title",
        "date": "21-03-2003",
        "article": "Some article content..."
    },
    {
        "id": 2,
        "url": "https://example.com",
        "title": "Example Title",
        "date": "21-03-2003",
        "article": "Some article content..."
    }
]

为了存储大量数据，您可能需要考虑使用数据库来提高性能并允许查询（例如，从某个 URL 查找所有文章）。

Answer 2

您可以拥有包含“逗号、空格、换行符等”的文章，并且仍然使用将它们用作分隔符的常见格式。使用 Python

csv

模块的示例：

import csv

scraped_articles = [['ID', 'URL', 'Title', 'Date', 'Article'],
                    ['1','2','3','4','article1 with\n "quotes" and commas(,) and newlines'],
                    ['1','2','3','4','article2 with\n "quotes" and commas(,) and newlines']]

with open('articles.csv', 'w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    writer.writerows(scraped_articles)

with open('articles.csv', 'r', newline='', encoding='utf-8') as f:
    reader = csv.DictReader(f)
    for line in reader:
        print('-'*80)
        print(line['Article'])
    print('-'*80)

结果

articles.csv

：

ID,URL,Title,Date,Article
1,2,3,4,"article1 with
 ""quotes"" and commas(,) and newlines"
1,2,3,4,"article2 with
 ""quotes"" and commas(,) and newlines"

读回数据后的输出：

--------------------------------------------------------------------------------
article1 with
 "quotes" and commas(,) and newlines
--------------------------------------------------------------------------------
article2 with
 "quotes" and commas(,) and newlines
--------------------------------------------------------------------------------