代码

Question

我正在尝试将文件转换为（key，value）对。每行都以

给出

1 A B C D
2
3 E
4 F G

我希望将它们配对为

(1,A),(1,B),(1,C),(1,D),(3,E),(4,F),(4,G)

我试图在python / scala中执行此操作，但无法提出解决方案，除非我逐行读取文件并使用循环来执行此操作。 scala中的代码是：

val fileRDD = sc.textFile("input.txt")
val map = fileRDD.filter(_.split("\t").length>1).map{
    line=>
    val fields = line.split("\t")
    var i = 1;
    while(i<fields.length){
    (fields(0),fields(1))
    i=i+1
    }
}

Answer 1

在Python中，你可以使用list comprehension添加所谓的键/值对，如下所示：

with open('your_file', 'r') as f:
    result = []
    for line in f:
        line = line.strip().split(' ')
        result += [(int(line[0]), x) for x in line[1:] if x]

result

[(1, u'A'),
 (1, u'B'),
 (1, u'C'),
 (1, u'D'),
 (3, u'E'),
 (4, u'F'),
 (4, u'G')]

你需要的是循环每一行（摆脱换行符和空格）并且 NOTHING 错误的循环行，抓住第一个元素作为“键”和对（如果任何）其余元素为“值”。

Answer 2

首先，根据分隔符

分割你的行

String[] pairs = input.split(" ");

然后，在你所做的分割中循环每个String，直到你用完了

int index = 0;
while (index + 1 < pairs.length) {

    index += 2;
}

我们使用index+1因为我们要确保有一个键和一个值，而不仅仅是一个键。然后，如果您有这些，请将它们添加到地图中。

map.put(pairs[index], pairs[index + 1]);

下面是一个完整的例子。我使用了一行，但是如果你使用的是一个包含多行的文件，就像我在下面一样单独处理每一行。

public static void main(String[] args) throws Exception {

    String input = "1 A B C D 2 3 E 4 F G";
    String[] pairs = input.split(" ");
    Map<String, String> map = new HashMap<String, String>();

    int index = 0;
    while (index + 1 < pairs.length) {
        map.put(pairs[index], pairs[index + 1]);
        index += 2;

    }

    for(Entry<String,String> en : map.entrySet()){
        System.out.println(en.getKey() + " : " + en.getValue());
    }

}

给我输出：

3 : E
D : 2
1 : A
B : C
4 : F

请注意如何跳过G，因为没有与关键字G关联的值。

Answer 3

给出输入

1 A B C D
  2
  3 E
  4 F G

您需要做的就是获取每行的数字和后面的字符。然后拆分字符并为每个字符创建一个元组。

代码

import re

input = '''1 A B C D
2
3 E
4 F G'''

values = []
for line in input.split('\n'):
    tokens = re.findall(r'^(\d+) (.*)$', line)
    if len(tokens) == 1 and len(tokens[0]) == 2:
        for val in tokens[0][1].split(' '):
            values.append((int(tokens[0][0]), val))
print(values)

输出

[(1, 'A'), (1, 'B'), (1, 'C'), (1, 'D'), (3, 'E'), (4, 'F'), (4, 'G')]

Answer 4

file.txt

1 A B C D
2
3 E
4 F G

main.py

lines = open('file.txt').readlines() # open raw file
lines = [line.strip() for line in lines] # remove excess
lines = [line.split(' ') for line in lines] # split lines

pairs = []

for line in lines:
    key = int(line[0]) # number key

    for char in line[1:]:
        if len(lines) > 1:
            new = (key, char) # create new pair
            pairs.append(new) # add pair to list

print pairs

Answer 5

这是一个无循环的Scala版本：

def source = scala.io.Source fromFile "input.txt"
def lines = source.getLines
def tokens = lines map (_ split "\t")
def pairs = tokens flatMap (line => line.tail map (line.head -> _))
pairs.toList

source定义应该是显而易见的：我得到一个Source来读取。

lines定义为文件中的行返回Iterator[String]。请注意，您在使用后需要关闭 source，我在此不做。

我定义tokens以获取每一行并将其拆分。它将是Iterator[Array[String]]，其中数组中的每个元素都是一个单词，迭代器中的每个元素都是该行的单词数组。

让我们以for-comprehension格式重写pairs以更好地理解它。请注意，下面的内容将转换为与原始定义完全相同的命令：

def pairs = for {
  line <- tokens
  letter <- line.tail
} yield line.head -> letter

因此，对于每一行以及该行的tail中的每个字母，我返回一对该行的头部和该尾部。请记住，每一行都是该行中的一个单词数组。 line.head将成为该行中的第一个单词，line.tail是该行中的所有其他单词。因此，letter将是所有单词，但第一个单词，这正是您所要求的。

回到原来的定义，flatMap和map之间的区别在于，flatMap的结果是扁平的。

pairs的类型为Iterator[(String, String)]。如果我使用的是map而不是flatMap，则类型将为Iterator[Array[(String, String)]]。

如何拆分线并成对映射？

5 个答案:

代码

输出