Question

我正在尝试使用来自5个不同来源的所有报纸文章创建一个列表。它们以JSON格式存储。所有文章都存储在包含报纸和年份（垃圾邮件2005-2015）的不同文件中。问题是其中一份报纸仅适用于2014-15，因此当我将所有内容循环在一起时，我会收到错误。这是我的尝试：

import json
import nltk
import re
import pandas

appended_data = []

for i in range(2005,2016):
    df0 = pandas.DataFrame([json.loads(l) for l in open('SDM_%d.json' % i)])
    df1 = pandas.DataFrame([json.loads(l) for l in open('Scot_%d.json' % i)])
    df2 = pandas.DataFrame([json.loads(l) for l in open('APJ_%d.json' % i)])
    df3 = pandas.DataFrame([json.loads(l) for l in open('TH500_%d.json' % i)])
    df4 = pandas.DataFrame([json.loads(l) for l in open('DRSM_%d.json' % i)])
    appended_data.append(df0)
    appended_data.append(df1)
    appended_data.append(df2)
    appended_data.append(df3)
    appended_data.append(df4)


appended_data = pandas.concat(appended_data)

doc_set = appended_data.body

我的问题是;这段代码是否符合我的目标？（随着时间的推移，创建一份包含每份报纸所有文章的body的单一列表）;并且，我如何以我跳过第一份报纸（SDM）的2005-2013年的方式对其进行编程

Answer 1

对于跳过部分，您可以：

for i in range(2005,2016):
    if i > 2013:
        df0 = pandas.DataFrame([json.loads(l) for l in open('SDM_%d.json' % i)])
        appended_data.append(df0)
    df1 = pandas.DataFrame([json.loads(l) for l in open('Scot_%d.json' % i)])

要知道代码是否按预期执行，我们需要这样的样本数据。

Answer 2

首先，您需要检查python的版本，以确定在找不到文件名时引发的错误类型，如Python's "open()" throws different errors for "file not found" - how to handle both exceptions?中所述

其次，如果某些文件出现问题，您应该检查所有可能性。

一种方法是

创建一个文件名前缀列表[＆＃39; SDM＆＃39;，＆＃39; Scot＆＃39;，＆＃39; AP＆＃39;＆＃39; TH500＆＃39;，＆＃39; DRSM＆＃39）
循环
在名称列表中将文件名创建为循环
在try: except对中打开文件以处理myfile中的任何问题。或者，您也可以在if中使用os.path.exists()以避免尝试除外。但是，除非出现其他问题，否则你应该尝试除了配对。
将数据读入df = pandas.DataFrame([json.loads(myfile))请注意，您还应将其封装为try ... except对
关闭该文件，以便您没有太多打开。
现在将df附加到您正在创建的列表中。

这应该处理这种情况。

如何跳过循环中的项目

2 个答案: