Question

我有一个制表符分隔的文本文件，其中包含以下数据：

    ahi1
    b/se
ahi 
test    -2.435953
        1.218364
    ahi2
    b/se
ahi 
test    -2.001858
        1.303935

我想将两个浮点数提取到一个带有两列的单独csv文件，即。

-2.435953 1.218264

-2.001858 1.303935

目前我的黑客尝试是：

 import csv
 from itertools import islice
 results = csv.reader(open('test', 'r'), delimiter="\n")

 list(islice(results,3))
 print results.next()
 print results.next()
 list(islice(results,3))
 print results.next()
 print results.next()

哪个不理想。我是Python的Noob，所以我提前道歉并感谢你的时间。

Answer 1

以下是执行此任务的代码：

import re

# this is the same data just copy/pasted from your question
data = """    ahi1
    b/se
ahi 
test    -2.435953
        1.218364
    ahi2
    b/se
ahi 
test    -2.001858
        1.303935"""

# what we're gonna do, is search through it line-by-line
# and parse out the numbers, using regular expressions

# what this basically does is, look for any number of characters
# that aren't digits or '-' [^-\d]  ^ means NOT
# then look for 0 or 1 dashes ('-') followed by one or more decimals
# and a dot and decimals again: [\-]{0,1}\d+\.\d+
# and then the same as first..
pattern = re.compile(r"[^-\d]*([\-]{0,1}\d+\.\d+)[^-\d]*")

results = []
for line in data.split("\n"):
    match = pattern.match(line)
    if match:
        results.append(match.groups()[0])

pairs = []
i = 0
end = len(results)
while i < end - 1:
    pairs.append((results[i], results[i+1]))
    i += 2

for p in pairs:
    print "%s, %s" % (p[0], p[1])

输出：

>>>
-2.435953, 1.218364
-2.001858, 1.303935

您可以将它们保存在列表中，然后将它们压缩在一起，而不是打印出数字。我正在使用python regular expression framework来解析文本。如果您还不知道，我只能建议您选择正则表达式。我发现解析文本和各种机器生成的输出文件非常有用。

编辑：

哦，顺便说一句，如果你担心性能问题，我在我的2ghz IBM T60笔记本电脑上进行了测试，我可以使用正则表达式在大约200ms内解析一兆字节。

更新：我感到很亲切，所以我为你做了最后一步：P

Answer 2

也许这可以帮助

zip(*[results]*5)

例如

import csv
from itertools import izip
results = csv.reader(open('test', 'r'), delimiter="\t")
for result1, result2 in (x[3:5] for x in izip(*[results]*5)):
    ... # do something with the result

Answer 3

足够棘手，但更有说服力和顺序的解决方案：

$ grep -v "ahi" myFileName | grep -v se | tr -d "test\" " | awk 'NR%2{printf $0", ";next;}1'
-2.435953, 1.218364
-2.001858, 1.303935

工作原理：基本上删除特定文本行，然后删除行中不需要的文本，然后每隔一行加入格式化。我刚刚添加了逗号用于美化目的。如果您不需要，请将逗号从“awks printf”中删除。

Python：如何从混合内容的文本文件中提取浮点数？

3 个答案: