Question

我有许多大的以制表符分隔的文件保存为.txt，每个文件都有七列，其中包含以下标题：

#column_titles = ["col1", "col2", "col3", "col4", "col5", "col6", "text"]

我想简单地提取名为text的最后一列，并将其保存到一个新文件中，每行都是原始文件的一行，而且都是字符串。

编辑：这不是a similar problem的重复，因为在我的情况下splitlines()不是必需的。只有事情的顺序需要改进

基于 - several - other - posts，这是我目前的尝试：

import csv

# File names: to read in from and read out to
input_file = "tester_2014-10-30_til_2014-08-01.txt"
output_file = input_file + "-SA_input.txt"

## ==================== ##
##  Using module 'csv'  ##
## ==================== ##
with open(input_file) as to_read:
    reader = csv.reader(to_read, delimiter = "\t")

    desired_column = [6]        # text column

    for row in reader:
    myColumn = list(row[i] for i in desired_column)

with open(output_file, "wb") as tmp_file:
    writer = csv.writer(tmp_file)

for row in myColumn:
    writer.writerow(row)

我得到的只是来自第2624行的文本字段构成我的输入文件，该字符串中的每个字母都被分开：

H,o,w, ,t,h,e, ,t.e.a.m, ,d,i,d, ,T,h,u,r,s,d,a,y, ,-, ,s,e,e , ,h,e,r,e

我对编程世界知之甚少是随机的，但这绝对是奇怪的！

This post非常类似于我的需求，但是错过了写作和保存部分，我也不确定。

我已经研究过使用pandas工具箱（根据上面的链接之一），但我无法安装我的Python，所以请仅使用csv或其他内置模块的解决方案！

Answer 1

我会选择这个简单的解决方案：

    text_strings = [] # empty array to store the last column text
    with open('my_file') as ff:
        ss = ff.readlines() # read all strings in a string array 

    for s in ss:
        text_strings.append(s.split('\t')[-1]) # last column to the text array



    with open('out_file') as outf:
        outf.write('\n'.join(text_strings)) # write everything to output file

使用列表推导，您可以更快地将ss个字符串的最后一列转换为text_strings：

    text_strings = [k.split("\t")[-1] for k in ss]

还有其他简化方法，你明白了）

代码中的问题出现在以下两行：

        for row in reader:
        myColumn = list(row[i] for i in desired_column)

首先，没有缩进，所以没有任何事情发生。实际上，在我的计算机上，它会抛出一个错误，所以有可能是一个错字。但是在这种情况下，在for循环的每一步，你都会用来自新行的那个值覆盖myColumn值，因此最后你有一个来自文件最后一行的字符串。其次，list应用于字符串（如在代码中），将字符串转换为字符列表：

    In [5]: s = 'AAAA'

    In [6]: list(s)
    Out[6]: ['A', 'A', 'A', 'A']

这正是您在输出中看到的内容。

Answer 2

您必须一次处理一行文件：读取，解析和写入。

import csv

# File names: to read in from and read out to
input_file = "tester_2014-10-30_til_2014-08-01.txt"
output_file = input_file + "-SA_input.txt"

## ==================== ##
##  Using module 'csv'  ##
## ==================== ##
with open(input_file) as to_read:
    with open(output_file, "wb") as tmp_file:
        reader = csv.reader(to_read, delimiter = "\t")
        writer = csv.writer(tmp_file)

        desired_column = [6]        # text column

        for row in reader:     # read one row at a time
            myColumn = list(row[i] for i in desired_column)   # build the output row (process)
            writer.writerow(myColumn) # write it

从Python

2 个答案: