Question

我有一个列表来自我使用非常原始的正则表达式解析的文本文件。我想重新组织一个更简洁的列表，其中只包含紧跟着日期的文件。我尝试使用len（）循环遍历列表，但这只会提取文件而不是下一个条目。非常感谢提前。

此：

2014-01-28

part002.csv.gz

2014-01-28

part001.csv.gz

2014-01-28

2014-01-28

2014-01-27

2014-01-27

2014-01-26

2014-01-26

2014-01-25

part002.csv.gz

2014-01-25

成为这个：

part002.csv.gz

2014-01-28

part001.csv.gz

2014-01-28

part002.csv.gz

2014-01-25

Answer 1

您可以使用列表理解：

filtered = [e for i, e in enumerate(l) if not isDate(e) or (i > 0 and not isDate(l[i-1]))]

完整示例：

l = ['2014-01-28', 'part002.csv.gz', '2014-01-28', 'part001.csv.gz', '2014-01-28', '2014-01-28', '2014-01-27', 'part002.csv.gz', '2014-01-25']

def isDate (s):
    return '.' not in s

filtered = [e for i, e in enumerate(l) if not isDate(e) or (i > 0 and not isDate(l[i-1]))]

print (filtered)

说明：

l是我们的原始列表。

isDate接受一个字符串并测试它是否是一个日期（在我的简单示例中，它仅检查它是否包含句点，以获得更好的结果使用正则表达式或strptime）。

enumerate列举一个列表（或任何可迭代的，我现在将坚持单词list，只是为了不太技术化）。它返回一个元组列表;每个包含索引的元组和传递给枚举的列表元素。例如，enumerate (['a', None, 3])生成[(0,'a'),(1,None),(2,3)]

i, e =解包元组，将索引分配给i，将元素分配给e。

列表理解就像这样（简单地说）：[x for x in somewhere if cond(x)]返回符合条件somewhere的{{1}}所有元素的列表。

在我们的案例中，我们只添加元素到我们的过滤列表，如果它们不是日期（不是水果）cond(x)，或者它们不在开头not isDate(e)，同时它们的前身是不是日期i > 0（即文件）。

在伪代码中：

not isDate(l[i-1])

Answer 2

将前一行存储在每一行，然后在需要时随时存放

previous_line = None
newlist = []
for line in lines:
    if isdate(line):
        newlist.append(previous_line)
    previous_line = line

定义isdate：

import datetime
def isdate(s):
    try:
        datetime.datetime.strptime(s, '%Y-%m-%d')
    except:
        return False
    else:
        return True

Answer 3

完成它：

s = """
#that long string, snipped
"""

li = [x for x in s.splitlines() if x]

li
Out[3]: 
['2014-01-28',
 'part002.csv.gz',
 '2014-01-28',
 'part001.csv.gz',
 '2014-01-28',
 '2014-01-28',
 '2014-01-27',
 '2014-01-27',
 '2014-01-26',
 '2014-01-26',
 '2014-01-25',
 'part002.csv.gz',
 '2014-01-25']

[tup for tup in zip(li,li[1:]) if 'csv' in tup[0]] #shown for dicactic purposes, gen expression used below
Out[7]: 
[('part002.csv.gz', '2014-01-28'),
 ('part001.csv.gz', '2014-01-28'),
 ('part002.csv.gz', '2014-01-25')]

实际答案：

from itertools import chain

list(chain.from_iterable(tup for tup in zip(li,li[1:]) if 'csv' in tup[0]))
Out[9]: 
['part002.csv.gz',
 '2014-01-28',
 'part001.csv.gz',
 '2014-01-28',
 'part002.csv.gz',
 '2014-01-25']

基本上：zip（在python 2中，使用izip）列表与自身一起，一个索引提前。迭代成对元组，过滤掉那些没有类似文件字符串的第一个元素。最后，使用itertools.chain将元组展平为一个列表，以实现所需的输出。

从列表中创建元组或新列表

3 个答案: