Question

如何将.csv文件中的列的字符串与已定义的数据类型列表进行匹配？

数据类型列表是：

Datatype = ["M", "B", "E", "A", "DF", "DW", "DL", "DT", "XTEXT", "MDEDATA"]

我想使用与列匹配的数据类型来查找字典中的值。

什么有效

当我的代码在输入中找到类似DW1的内容时（请参阅下面的示例），它会将DW:5写入输出文件，当它找到DT34时，它会写DT:7 }。这很好。

什么不起作用

但问题是，每当我的代码遇到XTEXT时，它首先与E: 2匹配（因为E中存在XTEXT）而然后< / em>到下一行的XTEXT: 4105。因此，输出文件中的相应行包含2而不是4105。 MDEDATA已解决A:3的问题类似。

我尝试使用正则表达式从输入文件中的相关列中删除数字（此行在上面的代码中已注释掉），如下所示：

if (Datatype[n] == re.sub('[1234567890\n]', '', line.split(";")[1])): # ...

但遇到像X256DATA这样的字符串会导致问题。

另一个问题是，当前生成的输出文件在第一列中显示abc;DW1，在第二列显示5，但我想在第一列显示abc DW1 1}}在第二列和5在第三列！

我该如何解决这些问题？任何帮助表示赞赏。

CSV示例

输入：

1 abc DW1 2 uz5 XTEXT

当前输出：

1 abc DW1 5 2 uz5 XTEXT 4105

TXT示例

输入：

abc;DW1\n uz5;XTEXT\n

当前输出：

abc;DW1,5\n uz5;XTEXT,4105\n

期望的输出

abc;DW1;5\n uz5;XTEXT;4105\n

Answer 1

正常字典查找完全匹配密钥。如果你得到多个匹配，那么你正在做其他事情。

>>> dict1 = {"M":1, "E":2, "A":3, "DF":4, "DW":5, "DL":6, "DT":7, "B":10, "XTEXT":4105, "MDEDATA":4110}
>>> dict1["XTEXT"]
4105

现在，根据更新后的问题，我发现您并不真正在寻找完全匹配，因为文件中的DW1应与DW中的Datatype匹配。如果要检查字符串的开头是否匹配，请使用str.startswith：

>>> "DW1".startswith("DW")
True

请注意，您必须在MDEDATA之前检查M以避免错误匹配。更一般地说，在较短的匹配之前检查较长的匹配。

Answer 2

好的，这是一个基于您的代码的解决方案，应该适用于.txt文件的格式：

import csv

# Define data_type / dict1 / dict2:

data_type = [
    "M", "E", "B", "A", "DF", "DW", "DL", "DT", "PF", "PW", "PL", "PT",
    "XTEXT", "MDEDATA", "X8DATA", "X16DATA", "X32DATA", "X64DATA",
    "X128DATA", "X256DATA", "X512DATA", "X1024DATA", "X2048DATA",
    "X4096DATA", "X8912DATA"]

dict1 = {
    "M": 1, "E": 2, "A": 3, "DF": 4, "DW": 5, "DL": 6, "DT": 7, "PF": 8,
    "PW": 9, "B": 10, "PL": 11, "PT": 12, "XTEXT": 4105, "MDEDATA": 4110,
    "X8DATA": 10000, "X16DATA": 10001, "X32DATA": 10002, "X64DATA": 10003,
    "X128DATA": 10004, "X256DATA": 10005, "X512DATA": 10006,
    "X1024DATA": 10007, "X2048DATA": 10008, "X4096DATA": 10009,
    "X8912DATA": 10010}

dict2 = {
    "M": "B", "E": "B", "A": "B", "DF": ">f","PF": ">f", "DW": ">h",
    "PW": ">h", "DL": ">l", "PL": ">l", "DT": "String", "PT": "String",
    "B": "B", "XTEXT": "XTEXT", "MDEDATA": "MDEDATA", "X8DATA": "X8DATA",
    "X16DATA": "X16DATA", "X32DATA": "X32DATA", "X64DATA": "X64DATA",
    "X128DATA": "X128DATA", "X256DATA": "X256DATA", "X512DATA": "X512DATA",
    "X1024DATA": "X1024DATA", "X2048DATA": "X2048DATA",
    "X4096DATA": "X4096DATA", "X8912DATA": "X8912DATA"}

# Obtain writer for output file:

source = 'GSV.txt'
dest = open('GSV_copy.txt', 'w')

# Process data:

import re

source_lines = open(source).readlines()
for line in source_lines:
    x = line.split(';')[1]
    icon_lletter = ''
    icon_lnummer = 0
    python_letter = ''
    for t in data_type:
        if x.startswith(t): # Alternative using re: "if re.match(t, x)"
            icon_lletter = t
            break
    if (icon_lletter not in dict1):
        print "Entry (%s) in Dictionary1 is not available" % (icon_lletter)
    else:
        icon_lnummer = dict1[icon_lletter]
    if (icon_lletter not in dict2):
        print "Entry (%s) in Dictionary2 is not available" % (icon_lletter)
    else:
        python_letter = dict2[icon_lletter]
        print "Converted the GVR datatype to python datatype is %s : %s : %s" \
            % (icon_lletter, python_letter, icon_lnummer)
        # Write line to output file:
        dest.write(';'.join([line.strip('\n'), str(icon_lnummer) + '\n']))

dest.close()

请注意：

使用此解决方案，我正在尝试解决您的问题，同时保持接近原始实现。实现目标的方法有多种，可能更多是Pythonic / efficient / DRY。
由于您的输入和输出文件的列数不同且格式不同，因此您最终希望将代码转换为一组（一组）函数，不同（要检查的文件类型和列）作为参数。

修改

更多地处理这个问题我注意到dest中的输出有点乱码。（我之前没有那么远:)）我已经改变了代码以产生你想要的确切输出。

另一个编辑（基于评论中的讨论）：

关于将输入文件中的数据类型与已定义的data_type列表进行匹配的主题：如果输入文件中的DT始终具有您不具有的数字想要在开头或结尾考虑，你可以使用

re.sub('^[0-9]+', '', x)

或

re.sub('[0-9]+$', '', x)

删除它们。

Answer 3

正如itsjeyd所建议的那样，

re.sub('^[0-9]+', '', x) or re.sub('[0-9]+$', '', x) does the trick!

python查找并匹配完全字符串

什么有效

什么不起作用

CSV示例

TXT示例

期望的输出

3 个答案: