Question

我有一个.dat文件，其形状如下，长几百行：

AlOH                 200  6000  1000
 7.882068110E+05 -2.263671626E+03  7.823954880E+00  1.821171456E-04 -8.263729320E-08  1.265414876E-11 -6.875972530E-16 -1.039808093E+04 -2.209032458E+01
 5.876493180E+04 -9.449422690E+02  7.820599180E+00  5.858888470E-04 -4.083666810E-06  4.587229340E-09 -1.563936726E-12 -1.993283011E+04 -2.065043885E+01
Al2O                 200  6000  1000
-1.171074351E+05 -1.783009166E+02  7.633215360E+00 -5.335931770E-05  1.180702791E-08 -1.355444579E-12  6.287323890E-17 -1.947580149E+04 -1.415764167E+01
 7.776530700E+03 -1.294235361E+02  4.912509520E+00  8.604223450E-03 -1.217703648E-05  8.314634870E-09 -2.237722201E-12 -1.886512879E+04 -2.806368311E-02
Al2O3                200  6000  1000
-2.777784969E+05 -4.917465930E+02  1.386703888E+01 -1.469381940E-04  3.250406490E-08 -3.730867350E-12  1.730444284E-16 -6.790757850E+04 -4.375559873E+01
-7.443374320E+03  8.829004210E+01  5.264662640E+00  2.507678848E-02 -3.434541650E-05  2.302516980E-08 -6.122529280E-12 -6.872685950E+04  2.202324298E+00

我想从中提取化学名称（只有字符串），最好是[AlOH, Al2O, Al2O3, ...]之类的列表。我尝试用pandas做到这一点，但是由于列的奇怪格式，文件没有被正确读取。我没有在互联网上找到任何其他简短的解决方案，尽管这应该有一个很好的pythonic解决方案。

有没有一个解决方案如何只提取字符串？

建议的解决方案：

chemicals = []
with open('bla_file.dat') as file:
    for line in file: 
        line = line.split()
        for item in line:
            try:
                float(item)
            except ValueError:
                chemicals.append(item)

请发布任何可能更简单或更短的解决方案！

Answer 1

从解析开始，然后根据字符或数据类型选择你想要的叮咬或取消选择不需要的东西。

示例根据不需要的字符串中的字符取消选择：

nstr = ['.','+','-']

for line in lines:
    str = line.split(' ')

    for str in line:
        if str.findall(nstr):
            continue
        else
            print str

Answer 2

您可以使用列表推导来创建化学品标题和正则表达式以匹配其名称：

with open('bla_file.dat') as f:

    chemicals = [re.findall('^\w+',line)[0] for line in f.readlines() if re.search('^\w+',line)]

在您展示的示例中，它返回：

['AlOH', 'Al2O', 'Al2O3']

在此示例中，您只需匹配每行上化学品名称所需的模式，并将其添加到列表中（如果匹配）。但是你仍然需要逐行阅读以创建列表。

Answer 3

如果你以列表形式阅读，那么：

lst = [1,5,'Chemical1', 1.05543, 'Chemical2']
chemLst = []
for x in lst:
    if isinstance(x, str):
        chemLst.append(x)

或

chemLst = [i for i in lst if isinstance(i, str)]

使用Python或Pandas，只从txt或dat文件中提取字符串

3 个答案: