Question

我有一个带分隔符$$$Field$$$的输入字符串。字符串有一些行。我需要返回字符串中所有项目的列表，仅由$$$Field$$$分隔。

在下面的示例中，我应该收到输出['Food', 'Fried\nChicken', 'Banana']。但是，似乎它也将新行解释为分隔符，因此我得到一个表而不是列表。如何忽略这些新行，以便我只返回一个列表？

import pandas as pd
from pandas.compat import StringIO

temp=u"""Food$$$Field$$$Fried
Chicken$$$Field$$$Banana"""
df = pd.read_csv(StringIO(temp), sep='\$\$\$Field\$\$\$',engine='python')
print (df)

我使用pandas的唯一原因是因为这个字符串实际上是一个巨大的.csv文件，我不能一次在内存中读取所有这些，但是流处理是可以接受的。

Answer 1

由于您不希望以表格格式存储信息，因此我认为不需要DataFrame。相反，请在块中读取字符串，并在每次遇到'$$$Field$$$'时生成缓冲区。

改编自https://stackoverflow.com/a/16260159/4410590：

def myreadlines(f, newline):
    buf = ""
    while True:
        while newline in buf:
            pos = buf.index(newline)
            yield buf[:pos]
            buf = buf[pos + len(newline):]
        chunk = f.read(4096)
        if not chunk:
            yield buf
            break
        buf += chunk

然后调用函数：

> for x in myreadlines(StringIO(temp), '$$$Field$$$'):
      print repr(x)

u'Food'
u'Fried\nChicken'
u'Banana'

Answer 2

这应该做你想要的只是将它缩放到多行：

df = pd.DataFrame("""Food$$$Field$$$Fried
Chicken$$$Field$$$Banana""".split("$$$Field$$$")).T

print(df)

根据文本的存储位置（如何），您可以在列表理解中进行拆分：

df = pd.DataFrame(lines.split("$$$Field$$$") for line in lines).T

Pandas：在read_csv中忽略新行作为分隔符

2 个答案: