Question

HITRAN数据库是分子旋转振动过渡的列表。它在一个文本文件中给出，其中每行为160个字符，固定宽度字段定义分子，同位素等。格式有详细记录，甚至在MathWorks File Exchange上的程序将在数据库中读取并模拟一部分频谱。但是，我需要读取光谱的特定部分，然后使用它来对测量光谱做一些拟合，所以我需要更多的定制。

如该函数的注释部分以及其他地方所述，以下行应正确读取每一行：

database = which('HITRAN2012.par');
fid = fopen(database);
hitran = textscan(fid,'%2u%1u%12f%10f%10f%5f%5f%10f%4f%8f%15c%15c%15c%15c%6c%12c%1c%7f%7f','delimiter','','whitespace','');
fclose(fid);

前两个字段表示分子代码，从1-47开始，同位素代码从1-9开始。

不幸的是，分子1-9没有前导零，无论我做什么，它似乎都默默地混淆了MATLAB。如果我加载整个数据库然后键入

unique(hitran{1})

我没有得到1-47的数字，但是我得到了10-92，但缺少一些数字。据我所知，当MATLAB遇到一个前导空格时，它将线移过然后填充结束，使'12'变为'12'，但我不完全确定。我也试过

hitran = textscan(fid,'%160c','delimiter','\n','whitespace','');

然后尝试解析生成的字符串，但有时也会被第一个空格弄糊涂。

例如，第一条水线看起来像

exampleHitranLine = ' 14    0.007002 1.165E-32 2.071E-14.05870.305  818.00670.590.000000          0 0 0          0 0 0  7  5  2        7  5  3      005540 02227 5 2 0    90.0   90.0';

第一行代码遇到此行并返回'14'而不是' 1'和'4'。如果我只读取仅包含分子1的子集（如本例所示），则第二种读取方法可以正常工作。但是，如果我尝试在整个数据库中读取，则分子1-9的线在左侧移动，这会扰乱所有其他区域。

我应该注意到我已经尝试将数字字段作为浮点数和整数读取，并且都没有给出令人满意的结果。文本形式的整个数据库接近700 MB，因此我需要尽可能高效的工作。

我做错了什么？

Answer 1

我没有回答为什么会发生这种情况，但我确实有一个解决方案。如果有人对原因有答案，我会很乐意接受它。

这是领先的空间。 MATLAB有点过于聪明，当textscan遇到一个前导空格时，它会确定它是额外的并丢弃它并转移到接下来的两个字符。为了让它在文件中正确读取，我必须逐行检查并测试第一个字符是否为空格，然后将其替换为前导零，如下所示：

database = which('HITRAN2012_First100Lines.par');

fileParams = dir(database);
K = fileParams.bytes/162;
hitran = cell(K,19);

fid = fopen(database);
for k = 1:K
hitranTemp = fgetl(fid);
if abs(hitranTemp(1)) == 32;
    hitranTemp(1) = '0';
end
    hitran(k,:) = deal(textscan(hitranTemp,'%2u%1u%12f%10f%10f%5f%5f%10f%4f%8f%15c%15c%15c%15c%6c%12c%1c%7f%7f','delimiter','','whitespace',''));
end
fclose(fid);

我在MATLAB 2013a工作。我应该认为这是一个错误并报告它吗？是否有一些理由认为领先的空间应该像这样被吞噬？

<强>更新

我上面的解决方法很慢，但很有效。然后我不得不处理几倍大的HITEMP数据库，所以我最终向MathWorks提交了一张支持票。 MathWorks技术支持建议的解决方法是以文本形式读取所有内容然后进行转换。这节省了大量磁盘读取和工作。

fileParams = dir(database);

fid = fopen(database);

hitran = textscan(fid,'%2c%1c%12c%10c%10c%5c%5c%10c%4c%8c%15c%15c%15c%15c%6c%12c%1c%7c%7c','delimiter','','whitespace','');

fclose(fid);

moleculeNumber = uint8(str2num(hitran{1}));
isotopologueNumber = uint8(str2num(hitran{2});
vacuumWavenumber = str2num(hitran{3});
...
etc.

根据应用程序的不同，对于较大的数据库，人们可能希望这样做in chunks而不是一次完成。

他还表示，他会将此行为转发给开发团队，以便在将来的更新中考虑。

Answer 2

我have a new file on the FileExchange that will read in HITRAN 2004+ format data。请尝试一下，如果有任何问题请告诉我。

如何将HITRAN2012数据库读入MATLAB？

2 个答案: