Question

获得多个带文件名的txt文件，提供它包含的主题。我需要使用glob读取文件，然后创建一个包含2列的数据框，1 - 内容和2 - 主题名称（取自文件名）

 @media (max-width: 767px) {
.videoWrapper {
width: 100%;
}
#media_player {
width: 100%;
}
#media_player
{
width: 100%;
}
}

输出：

#filename sample - 51132_1.txt
for name in gb.glob('./*_1*'):
    f1 = open(name,"r")  
    rl = f1.readlines()
    topicName = name.split('_1')[0] 
    #print(topicName)
    df = pd.DataFrame({'content':rl})
    df['topicName'] = topicName
    print(df)

我正在寻找不同的输出：

content topicName
0                                                       .\54468
1                                                       .\54468
2   In article <sheafferC63zt0.Brs@netcom.com shea...   .\54468
3                                                       .\54468
4                                                       .\54468
5                                                       .\54468
6   It had to happen: the old allegation of the "d...   .\54468

我如何实现这一目标？

Answer 1

类似的东西：

import pandas as pd
import glob as gb

def process_file(file):
    with open(file, "r") as f:
        content = f.read()
        topic = file.split('_1')[0] 
        return {"content": content, "topicname": topic}

data = [process_file(file) for file in gb.glob('./*_1*')]

df = pd.DataFrame(data)

Answer 2

使用os.path.basename获取文件名，然后使用str.split

<强>实施例

import glob
import os
import pandas as pd
res = []
for name in gb.glob('./*_1*'):
    with open(name, "r") as f1:
        res.append({'content':f1.read(), "topicname": os.path.basename(name).split('_1')[0]})
df = pd.DataFrame(res)
print(df)

Python - 文本文件读入数据框，然后附加文件名的一部分

2 个答案: