Question

我不是在寻找答案，而是我应该如何处理这项任务的指导原则。

我有一个包含以下信息的txt文件：

...
    1947q2        -0.6
    1947q3        -0.3
    1947q4         6.2
    1948q1         6.5
    1948q2         7.6
    1948q3         2.2
    1948q4         0.6
...

我的目标是能够根据关键字选择阅读文本文件。例如，我想读取仅包含1947的行，因此输出将如下：

    1947q2        -0.6
    1947q3        -0.3
    1947q4         6.2

因为这些数字与每年相关，所以我考虑将每一行放在一个元组中，然后将所有元组组合成一个列表。从此列表中，使用正则表达式搜索列表以获取匹配的元组并相应地打印出来。

这是一种可以接受的方式吗？有没有更简单明了的解决方案呢？不是真正寻找最佳方法，而是寻找如何处理这个问题的不同想法。

Answer 1

import sys
with open('file.txt') as f:
  for line in f:
    if '1947' in line: # or some complex regular expressions test
      sys.stdout.write(line)

您可以解析for循环体内的每一行，然后决定是否接受它。如果您想获得幻想，请查看map和filter。 with语句确保文件在之后关闭。

Answer 2

您可以做的一件事是use generators使用与您已经完成的方法类似的方法动态过滤掉列表成员：

data = open("file.txt")
fortysevens = (line for line in data if contains_47(line))
for line in fortysevens:
    # do something here

def contains_47(line):
    # your existing code here to detect if a line contains 47

Answer 3

您的关键字是否会成为年份？如果是这样，我会将它们存储在这样的字典中：

mydata[year][quarter] = value

所以你可以通过mydata ['1947']获取你的例子数据。

要阅读该文件，您可能需要使用csv.reader，然后将第一列拆分为“q”以分别获得年份和季度。

Answer 4

我编写的代码占用了函数中的所有行，返回了一系列元组，如（1947,3，-7.0）。然后对结果进行简单的迭代，找出我真正想要的那些。

Answer 5

如果输入文件行中的数据是固定的 - 就像它们看起来那样 - 那么这样简单的东西就可以了：

with open('data.txt') as data:
    for line in data:
        if line[4:8] == '1947':
            print line,

# output:
#     1947q2        -0.6
#     1947q3        -0.3
#     1947q4         6.2

请注意，我使用print line,的原因是因为每个换行符都以换行符结尾。

Answer 6

据我所知，正是为这种工作发明了正则表达式。

正则表达式将直接搜索“包含关键字的行”。正则表达式的搜索也可以基于更复杂的条件，这些条件将用更简洁的代码表示，而不是使用笨拙的“for line in f”循环。

我的座右铭是：文本文件中没有“行”。它只是一系列字符。

for line in f“循环的作用是分析数据流以检测换行并停止它们：这是第一次检测。然后在找到的每一行上，必须在检测到的每一行上测试一个（或多个）简单（或复杂）条件：这是第二项研究。

另一方面，正则表达式直接找到搜索的内容，而无需初步搜索换行符。线条的条件和线中关键字的条件同时进行测试。

import re

keyw = '1947'
pat = re.compile('.*?' + keyw + '.*')

with open('thefile.txt','r') as f:
    keyworded_lines = pat.findall(f.read())

# do what you need with keyworded_lines

请注意，在'r'模式下，Python会转换'\ n'中的所有换行符。由于RE中的点与'\ n'不匹配，因此RE在keyw之后仅需要'。*'。

从文本文件中读取

6 个答案: