Question

我是Python的初学者。我遇到了需要格式化的文本文件。我基本上需要获取以某个字符开头的字段数据，并将字段数据输出到一个新文件，该文件将包含由我选择的字符分隔的所有字段。

这是一个简短的例子。

; Record 1
@FULLTEXT PAGE
@T R000358
@C ENDDOC# R000358
@C BEGATTACH R000358
@C ENDATTACH R000358
@C MAILSTORE No
@C AUTHOR 
@C BCC 
@C CC 
@C COMMENTS 
@C ATTACH 
@C DATECREATED 11/23/2010
@C DATELASTMOD 07/18/2010
@C DATELASTPRNT 
@C DATERCVD 
@C DATESENT 
@C FILENAME wrangling.wpd
@C LASTAUTHOR 
@C ORGANIZATION 
@C REVISION 
@C SUBJECT 
@C TIMEACCESSED 00:00:00
@C TIMECREATED 15:21:34
@C TIMELASTMOD 09:04:12
@C TIMELASTPRNT 
@C TIMERCVD 
@C TIMESENT 
@C TITLE 
@C TO 
@C FROM

对于每个'Record'，'@ C'和'@T'是字段分隔符，后跟空格，然后是字段名称，后跟空格，然后是字段数据。我需要在一行中分隔的所有字段数据，而不是如上所示的列。

我希望将每个记录输出到一个新文件，就像这样。

“R000358”，“R000358”，“R000358”，“R000358”，“否”等等（在一行中）

此示例以逗号分隔，但可能会更改，但我想我会从那里开始。

任何帮助将不胜感激。提前谢谢。

Answer 1

目前还不清楚记录是如何分隔的，以及您想要对输出做些什么，但这里有一个简单的解析器可以帮助您入门：

s = '''\
; Record 1
@FULLTEXT PAGE
@T R000358
@C ENDDOC# R000358
@C BEGATTACH R000358
@C ENDATTACH R000358
@C MAILSTORE No
@C AUTHOR 
@C BCC 
@C CC 
@C COMMENTS 
@C ATTACH 
@C DATECREATED 11/23/2010
@C DATELASTMOD 07/18/2010
@C DATELASTPRNT 
@C DATERCVD 
@C DATESENT 
@C FILENAME wrangling.wpd
@C LASTAUTHOR 
@C ORGANIZATION 
@C REVISION 
@C SUBJECT 
@C TIMEACCESSED 00:00:00
@C TIMECREATED 15:21:34
@C TIMELASTMOD 09:04:12
@C TIMELASTPRNT 
@C TIMERCVD 
@C TIMESENT 
@C TITLE 
@C TO 
@C FROM
'''.splitlines()

records = []
record = {}
for line in s:
    if line.startswith('; Record'):
        record = {}
        records.append(record)
    elif line.startswith(('@T ', '@C ')):
        f = line.split()
        fieldname = f[1]
        i = line.find(fieldname) + len(fieldname)
        fieldvalue = line[i:].lstrip()
        record[fieldname] = fieldvalue

import pprint
pprint.pprint(records)

祝你好运。

Answer 2

def getRecordRows( file, start_characters, delimiter):
    returnRows = []
    for line in open(file):
        if line.startswith(start_characters):
             returnRows.append( line[len(start_characters):] )
    return delimiter.join( returnRows )

使用示例：

file = /path/to/file
getRecordRows(file, '@T', ',')

Answer 3

首先打开文件：

with open('inputfile','r') as fil:
    # file read-in stuff here

如果您正在使用python 2.5及更高版本，请使用with惯用法，否则请执行：

try:
    fil = open('inputfile','r')
    # file read-in stuff here
finally:
    fil.close()

要将文件内容读入字符串，请查看file.readline()（一次读取一行;用于大文件）和file.readlines()（将整个文件读入列表，每个条目一个字符串） here

要编写文件，请使用上述逻辑进行读取，只需在写入模式下打开文件，如下所示：open('outputfile','w')

要处理输出文件的格式，请查看字符串方法here。具体来说，请查看str.split()和str.join()，它可以让您轻松地将字符串拆分为列表，并通过分隔符将列表元素连接成字符串。

Answer 4

record = None
records = []

with open('records.dat') as stream:
    for line in stream:
        item = line.strip().split()
        if not item:
            continue
        if item[0] == ';':
            record = []
            records.append((item[-1], record))
        elif record is not None:
            if item[0] == '@C' and len(item) <= 2:
                record.append('')
            elif item[0] in ('@T', '@C'):
                record.append(item[-1])

for identifier, record in records:
    print '[%s]: %s' % (identifier, ', '.join(record))

解析文本文件并输出到新文件

4 个答案: