Question

我有一个文本文件，其中包含以下格式的推文

['RT @abcd: Name another swing group who can sell out Bob Field. Thank you.', 'Thanks to amazing supporters like @Bob Community Development, eligible New Yorkers can use NYC #FreeTaxPrep to get… SomeURL']

我想将字符串转换为单个推文列表。

如我所见，定界符是一个单引号，后跟一个逗号，然后是一个空格，然后是一个单引号。

我的代码如下：

opened_file = open('file_name.txt')
read_file = opened_file.read()
split_dataset = read_file.split(" \', \' ")

但是，当我测试结果列表的长度时，我得到的大小只有一个，这意味着没有进行任何解析。

>>> len(split_dataset)
1

Answer 1

您应该使用以下字符串进行拆分：read_file.split("', '")（没有前导或尾随空格，没有反斜杠）。

这不会处理前导和尾随字符（'，[和]）。虽然您可以手动处理它们，但看起来该列表是使用python模块或函数写入文件的。您可以使用同一模块直接读入列表。例如，对您的1行文件使用yaml，但也可用于多行文件：

import yaml

with  open('file_name.txt') as opened_file:
    for line in opened_file.readlines():
        split_dataset = yaml.load(line)
        print len(split_dataset)

Answer 2

您的数据几乎以JSON存储，除了使用单引号而不是双引号。也许最好将数据“修复”为真实的JSON，然后使用json模块进行处理：

import json
read_file = read_file.replace('"', '\\"').replace("'", '"')
split_dataset = json.loads(read_file)

Answer 3

该文本文件是使用“字符串化” Python列表语法编写的。 ast.literal_eval可以将其转换回真实的Python列表：

>>> s = '''['RT @abcd: Name another swing group who can sell out Bob Field. Thank you.', 'Thanks to amazing supporters like @Bob Community Development, eligible New Yorkers can use NYC #FreeTaxPrep to get… SomeURL']'''
>>> import ast
>>> ast.literal_eval(s)
['RT @abcd: Name another swing group who can sell out Bob Field. Thank you.', 'Thanks to amazing supporters like @Bob Community Development, eligible New Yorkers can use NYC #FreeTaxPrep to get… SomeURL']

这将读取并转换每一行：

import ast
with open('file_name.txt') as f:
    for line in f:
        L = ast.literal_eval(line)
        # do something with the list

解析带有复杂定界符的文本文件

3 个答案: