使用Split方法在Python中保留空白字段

我有一个以制表符分隔的文件，其中的条目如下所示：

strand1       strand2        genename        ID 
AGCTCTG        AGCTGT           Erg1          ENSG010101

但是，其中一些字段为空，例如：

strand1       strand2         genename         ID 
AGCGTGT        AGTTGTT                         ENSG12955729

当我阅读python中的行时：

data = [line.strip().split() for line in filename]

第二个示例将折叠为包含3个索引的列表：

['AGCGTGT', 'AGTTGTT', 'ENSG12955729'] 

我希望保留空字段，以便第二个示例成为包含4个索引的列表：

['AGCGTGT', 'AGTTGTT', '', 'ENSG12955729'] 

---

如何执行此操作？

如果不为

str.split（）

方法提供参数，它会将任何连续的空白字符序列视为单个分隔符。当您给它一个参数时，

.split（'\t'）

可能会将该字符串的每个实例视为一个分隔符。

当您不给

str.split（）

方法一个参数时，它会将任何连续的空白字符序列视为一个分隔符。当您给它一个参数时，

.split（'\t'）

可能会将该字符串的每个实例作为分隔符。

您可以在选项卡上显式拆分：

>>> "foo\tbar\t\tbaz".split('\t')
['foo', 'bar', '', 'baz']

默认情况下，

split（）

除非您能够确保第一列和最后一列不会为空，
strip（）
将导致出现问题。如果数据格式良好，此解决方案将起作用

如果您知道仅有的选项卡是字段分隔符，并且仍然希望从各个列值周围去除其他空白（空格）：

map(str.strip, line.split('\t'))

您可以在选项卡上显式拆分：

>>> "foo\tbar\t\tbaz".split('\t')
['foo', 'bar', '', 'baz']

默认情况下，
split（）

除非您能够确保第一列和最后一列不会为空，
strip（）
将导致出现问题。如果数据格式良好，此解决方案将起作用

如果您知道仅有的选项卡是字段分隔符，并且仍然希望从各个列值周围去除其他空白（空格）：

map(str.strip, line.split('\t'))

正如其他人所说，您可以在选项卡上显式拆分，但仍然需要清理行尾

更好的方法是使用处理分隔文件的：

import csv
with open('filename.txt', newline='') as f:
    reader = csv.reader(f, delimiter='\t')
    headers = next(reader)
    data = list(reader)

正如其他人所说，您可以在选项卡上显式拆分，但仍然需要清理行尾

更好的方法是使用处理分隔文件的：

import csv
with open('filename.txt', newline='') as f:
    reader = csv.reader(f, delimiter='\t')
    headers = next(reader)
    data = list(reader)

不带任何参数的Split方法将连续的空格流视为单个字符，因此它会分割所有数量的空格。您需要为该方法指定一个argumnet，在您的情况下，该方法是\t。
不带任何参数的Split方法将连续的空格流视为单个字符，因此它会分割所有数量的空格。您需要为方法指定一个argumnet，在您的例子中，该方法是\t。
我一直在寻找可以应用pyparsing的谜题，无论结果可能多么不切实际。如果没有别的，我总是可以通过我的旧答案来看看我尝试了什么

不要对我太苛刻。：）

输出：

strand1 strand2 genename ID   
     [['strand1', 'strand2', 'genename', 'ID']]
AGCTCTG AGCTGT Erg1 ENSG010101   
     [['AGCTCTG', 'AGCTGT', 'Erg1', 'ENSG010101']]
AGCGTGT AGTTGTT  ENSG12955729   
     [['AGCGTGT', 'AGTTGTT', '', 'ENSG12955729']]
ABC DEF   
     [['ABC', 'DEF', '', '']]

编辑：将行
TAB=pp.Suppress（r'\t'）
更改为PaulMcG在注释中建议的内容（来自非原始字符串中在“t”之前带有双斜杠的结构）。
我一直在寻找可以应用pyparsing的谜题，无论结果可能多么不切实际。如果没有别的，我总是可以通过我的旧答案来看看我尝试了什么

不要对我太苛刻。：）

输出：

strand1 strand2 genename ID   
     [['strand1', 'strand2', 'genename', 'ID']]
AGCTCTG AGCTGT Erg1 ENSG010101   
     [['AGCTCTG', 'AGCTGT', 'Erg1', 'ENSG010101']]
AGCGTGT AGTTGTT  ENSG12955729   
     [['AGCGTGT', 'AGTTGTT', '', 'ENSG12955729']]
ABC DEF   
     [['ABC', 'DEF', '', '']]

编辑：将行
TAB=pp.Suppress（r'\t'）
更改为PaulMcG在注释中建议的内容（来自非原始字符串中在“t”之前带有双斜杠的结构）。
是的，我将编辑以删除
strip（）
，因此它更通用。这完全取决于数据的格式是否正确，不一定是一个完美的解决方案。是的，我将进行编辑以删除
strip（）
，因此它更通用。这完全取决于数据格式是否正确，不一定是一个完美的解决方案。很好-由于制表符在这里很重要，您可以使用
parseRelation.setDefaultWhitespaceChars（“”）
从默认空白字符中删除它们。对于包含重要
\
字符的字符串（即禁止Python解释器将“\t”转换为），请使用原始字符串文本：
r'\t'
。它们被添加到Python中，以使正则表达式更易于输入，但在这里也可以使用。自从我升级到Python3.5以来，我爱上了stdlib的
pathlib.Path
类，该类用于读/写短文件，使用
Path（some\u目录）/filename\u str
组合文件引用。我尝试了各种方法来生成用于制表符工作的原始字符串文本。我只想说，成功是难以捉摸的如果你看看我的一些答案，你会发现我也一直在为pathlib传道。让我们结束与
listdir
、
walk
和
glob
的斗争吧！PS：我愿意为选项卡提供一个示例。我指的是您的
'\\t'
字符串，您可以将其写成
r'\t'
。我无法想象在原始字符串文字中嵌入制表符或换行符的方法，因为关键是不要解释反斜杠，而是将其逐字保留。@PaulMcG:根据我对您的评论的理解进行了更改。很好-因为制表符在这里很重要，您可以使用
parseRelation.setDefaultWhitespaceChars（“”）
从默认空白字符中删除它们。对于包含重要
\
字符的字符串（即禁止Python解释器将“\t”转换为），请使用原始字符串文本：
r'\t'
。它们被添加到Python中，以使正则表达式更易于输入，但在这里也可以使用。自从我更新到Python3.5之后，我爱上了stdlib的
pathlib.Path
类，该类用于读/写短文件，使用
Path（some目录）/filename\u str
组合文件引用