Question

我有一个带有\ n EOL字符的制表符分隔文件，如下所示：

User Name\tCode\tTrack\tColor\tNote\n\nUser Name2\tCode2\tTrack2\tColor2\tNote2\n

我正在使用此输入文件并使用split('\t')将其重新格式化为嵌套列表。列表应如下所示：

[['User Name','Code','Track','Color','Note'],
 ['User Name2','Code2','Track2','Color2','Note2']]

生成文件的软件允许用户按＆＃34;输入＆＃34;在填写＆＃34;注意＆＃34;领域。它还允许用户按＆＃34;输入＆＃34;创建任意数量的换行而不在＆＃34;注意＆＃34;中输入任何可见文本。现场。

最后，用户可以按＆＃34;输入＆＃34;在＆＃34; Note＆＃34;中间的任意次数;创建多个段落，但从操作的角度来看，这种情况很少发生，如果它使代码复杂化，我愿意留下这种可能性。这种可能性确实非常低优先级。

如上例所示，这些操作可能导致一系列＆＃34; \ n \ n ...＆＃34;任何长度的代码，包括＆＃34;注意＆＃34;领域。或者这样说，在将文件对象放入列表之前，需要进行以下替换：

\t\n\n... preceding "Note" must become \t
\n\n... trailing "note" must become \n
\n\n... in place of "note" must become \n
\n\n... in the middle of the text note must become a single whitespace, if easy to do

我尝试过使用strip（）和replace（）方法但没有成功。在可以对其使用replace（）方法之前，是否需要先将文件对象复制到其他对象中？

我有使用Awk的经验，但我希望不需要正则表达式，因为我对Python很新。这是我需要改进的代码，以便解决多个换行符：

marker = [i.strip() for i in open('SomeFile.txt', 'r')]

marker_array = []
for i in marker:
    marker_array.append(i.split('\t'))

for i in marker_array:
    print i

Answer 1

计算标签;如果你假设音符字段中的一行上没有4个标签，你可以收集音符，直到找到中有4个标签的行：

def collapse_newlines(s):
    # Collapse multiple consecutive newlines into one; removes trailing newlines
    return '\n'.join(filter(None, s.split('\n')))

def read_tabbed_file(filename):
    with open(filename) as f:
        row = None
        for line in f:
            if line.count('\t') < 4:   # Note continuation
                row[-1] += line
                continue

            if row is not None:
                row[-1] = collapse_newlines(row[-1])
                yield row

            row = line.split('\t')

        if row is not None:
            row[-1] = collapse_newlines(row[-1])
            yield row

上述生成器函数在确定下一行没有继续记录之前不会产生一行，从而有效地向前看。

现在使用read_tabbed_file()函数作为生成器并循环结果：

for row in read_tabbed_file(yourfilename):
    # row is a list of elements

演示：

>>> open('/tmp/test.csv', 'w').write('User Name\tCode\tTrack\tColor\tNote\n\nUser Name2\tCode2\tTrack2\tColor2\tNote2\n')
>>> for row in read_tabbed_file('/tmp/test.csv'):
...     print row
... 
['User Name', 'Code', 'Track', 'Color', 'Note']
['User Name2', 'Code2', 'Track2', 'Color2', 'Note2']

Answer 2

您遇到的第一个问题是in - 它试图提供帮助，并且一次从文件中读取一行文本。

>>> [i for i in open('SomeFile.txt', 'r') ]
['User Name\tCode\tTrack\tColor\tNote\n', '\n', 'User Name2\tCode2\tTrack2\tColor2\tNote2\n', '\n']

添加对.strip()的调用确实会从每一行中删除空白，但这会留下空行 - 它不会将这些空元素从列表中删除。

>>> [i.strip() for i in open('SomeFile.txt', 'r') ]
['User Name\tCode\tTrack\tColor\tNote', '', 'User Name2\tCode2\tTrack2\tColor2\tNote2', '']

但是，你可以在if子句中提供列表理解，使其只删除只有换行符的行：

>>> [i.strip() for i in open('SomeFile.txt', 'r') if len(i) >1 ]
['User Name\tCode\tTrack\tColor\tNote', 'User Name2\tCode2\tTrack2\tColor2\tNote2']
>>>

Answer 3

我认为，csv模块会对你有帮助。

E.g。看看这个：Parsing CSV / tab-delimited txt file with Python。

删除文件中的多个EOL

3 个答案: