Question

我正在尝试使用某些条件清理文本文件。

我的文字显示如下

NHIST_0003（ZS.MC.BGE.0424SPVCOS）（21.12）14.08
  （ZS.MC.BLK.0424SPVCOS）（21.12）14.08
  （ZS.MC.GRY.0424SPVCOS）（21.12）14.08
  （ZS.MC.BLK.0525SPVCOS3）（21.12）14.08
  （ZS.MC.GRY.0525SPVCOS2）（21.12）14.08
  NHIST_0004（ZS.MC.BGE.0424SPVCOS）（21.12）14.08

我需要删除第一个＆＃34;之前的任何文本（＆＃34;括号，如果该行之前有任何文本，并删除我想要保留的文本的括号。我还需要得到用括号里面的数字去掉。看第一行，我只想保留

ZS.MC.BGE.0424SPVC0S 14.08

这些是我试图将事情联系起来的代码。我宁愿不使用re表达式，因为在这个阶段对我来说太先进了。

fileName='reach.txt'
fileName2='outreach.txt'


while True:
    f=open(fileName,'r')
    for words in f:
        x=words.split('(', 1)[-1]
        g = open(fileName2,'w')
        g.write(x)
        g.close()

这个循环是无限的。我认为通过关闭文件，我告诉系统停止处理行。

Answer 1

您可以循环浏览文件中的行：

with open('filename.txt') as f:
    for line in f.readlines():
        #do stuff

要从您想要的行中获取信息，您可以执行以下操作：

cleaned = []
items = line.split()
for item in items:
    if item.startswith('(') and item.endswith(')'):
        cleaned.append(item.strip('()'))
        break
cleaned.append(items[-1])
cleaned = ' '.join(cleaned)

完整计划：

in_file = 'reach.txt'
out_file = 'outreach.txt'

def clean(string):
    if not string:
        return string

    cleaned = []
    items = string.split()
    for item in items:
        if item.startswith('(') and item.endswith(')'):
            cleaned.append(item.strip('()'))
            break
    cleaned.append(items[-1])
    return ' '.join(cleaned)

with open(in_file) as i, open(out_file, 'w') as o:
    o.write('\n'.join([clean(line) for line in i]))

Answer 2

fileName='reach.txt'
fileName2='outreach.txt'

def isfloat(s):
    try:
        float(s)
        return True
    except ValueError:
        return False

g = open(fileName2, 'w')
with open(fileName, 'r') as fh:
    for row in fh:
        x = row.split()
        for item in x:
            if '(' in item and ')' in item:
                first = item.strip('()')
                break
        for i in range(-1, 0-len(x), -1):
            second = x[i]
            if isfloat(second):
                break
        print(first, second)
        g.write(' '.join((first, second)) + '\n')
g.close()

给出了：

ZS.MC.BGE.0424SPVCOS 14.08
ZS.MC.BLK.0424SPVCOS 14.08
ZS.MC.GRY.0424SPVCOS 14.08
ZS.MC.BLK.0525SPVCOS3 14.08
ZS.MC.GRY.0525SPVCOS2 14.08
ZS.MC.BGE.0424SPVCOS 14.08

我们走了，这段代码将处理数据中的各种故障。例如，如果浮动值不在最后也将被覆盖，如果(...)数据没有固定在第二个位置而是第一个位置，那么也将被覆盖。

Answer 3

如果每一行都有类似(code you want) (thing you don't want)的内容，您可以尝试使用正则表达式。

import re
infile = 'reach.txt'
outfile = 'outreach.txt'

with open(infile, 'r') as inf, open(outfile, 'w') as outf:
    for line in inf:
        # each line has "* (what you want) (trash) *"
        # always take first one
        first = re.findall("(\([A-z0-9\.]*\))", line)[0]

        items = line.strip().split(" ")
        second = line[-1]
        to_write = " ".join((first, second))
        outf.write(to_write + "\n")

正则表达式"(\([A-z0-9\.]*\))"匹配以下任意组合（由[ ]*表示）：

字母（A-z），
数字（0-9）和
期间（\.）

位于括号内（\( \)）。

在您的示例中，总会有两个匹配项，例如ZS.MC.BLK.0424SPVCOS和21.12。 re.findall将按照给定的顺序找到这两个。由于你想要的那个总是第一个，所以用re.findall(regex, line)[0]抓住它。

Answer 4

blacklist = set('1234567890.')
with open('reach.txt') as infile, open('outreach.txt', 'w') as outfile:
    for line in infile:
        line = line.strip()
        if not line:
            continue
        _left, line = line.split("(", 1)
        parts = [p.rstrip(")").lstrip("(") for p in line.split()]
        parts = [p for i,p in enumerate(parts) if not all(char in blacklist for char in p) or i==len(parts)-1]
        outfile.write("%s\n" %(' '.join(parts)))

使用您的示例reach.txt，我得到了

ZS.MC.BGE.0424SPVCOS 14.08
ZS.MC.BLK.0424SPVCOS 14.08
ZS.MC.GRY.0424SPVCOS 14.08
ZS.MC.BLK.0525SPVCOS3 14.08
ZS.MC.GRY.0525SPVCOS2 14.08
ZS.MC.BGE.0424SPVCOS 14.08

具有这些条件的Python进程文本文件

4 个答案: