如何使用python获取文本文件中的表格格式数据

我有一个文本文件中的表格数据，所以我尝试使用python获取数据，但我找不到每列之间的分隔符。请帮帮我。 提前谢谢

数据可能如下所示：

Column1           Column2         Column3            Column4
----------------------------------------------------------------------------
apple fruits      banana fruits     orange fruits    grapes fruits
mango fruits      pineapple fruits                   blackberry fruits
                  blueberry fruits  currant fruits   papaya fruits
chico fruits                        peach fruits     pear fruits

---

我的预期结果是字典格式。

我的假设是数据在每个记录的相同列上对齐

我将标题行和一个典型行放在两个distict变量中，您将从文件中读取它们

>>> a = 'Column1           Column2             Column3             Column4'
>>> b = 'apple fruits      banana fruits       orange fruits       grapes fruits'

i

是标题中的索引列表，最初为空，

内部

表示我们在列名中

>>> i = []
>>> inside = False

>>> for n, c in enumerate(a):
...     if c == ' ':
...         inside = False
...         continue
...     if not inside:
...         inside = True
...         i.append(n)
>>> i
[0, 18, 38, 58]

我们计算字符数并检查是否在列名的开头

>>> i = []
>>> inside = False

>>> for n, c in enumerate(a):
...     if c == ' ':
...         inside = False
...         continue
...     if not inside:
...         inside = True
...         i.append(n)
>>> i
[0, 18, 38, 58]

我们有列开始的索引，下一列的开始在切片表示法中也是当前列的结束——我们只需要最后一列的结束，但使用切片表示法我们可以使用值

None

>>> [b[j:k].rstrip() for j, k in zip(i,i[1:]+[None])]
['apple fruits', 'banana fruits', 'orange fruits', 'grapes fruits']

当然，您必须对输入文件中的每个数据行应用相同的索引技巧

注意：您可能需要使用中的

itertools.zip\u longest

方法

[... for j, k in itertools.zip_longest(i, i[1:])]

您可能希望缓存生成器，以避免为每个数据行实例化它

cached_indices = list(itertools.zip_longest(i, i[1:]))
for line in data:
    c1, c2, c3, c4 = [... for i, j in cached_indices]

---

我试图实现我在下面的评论中提出的建议，这是我最大的努力

$ cat fetch.py
from itertools import count  # this import is necessary
from io import StringIO      # this one is needed to simulate an open file

# Your data, notice that some field in the last two lines is misaligned
data = '''\
Column1           Column2           Column3          Column4
----------------------------------------------------------------------------
apple fruits      banana fruits     orange fruits    grapes fruits
mango fruits      pineapple fruits                   blackberry fruits
                   blueberry fruits currant fruits   papaya fruits
chico fruits                        peach fruits    pear fruits
'''

f = StringIO(data) # you may have something like
                   # f = open('fruitfile.fixed')

# read the header line and skip a line                   
header = next(f).rstrip()
next(f) # skip a line

# a compact way of finding the starts of the columns
indices = [i for i, c0, c1 in zip(count(), ' '+header, header)
           if c0==' ' and c1!=' ']
# We are going to reuse zip(indices, indices[1:]+[None]), so we cache it
ranges = list(zip(indices, indices[1:]+[None]))

# we are ready for a loop on the lines of the file
for nl, line in enumerate(f, 3):
    if line == '\n': continue # don't process blank lines
    # extract the _raw_ fields from a line
    fields = [line[i:j] for i, j in ranges]
    # check that a non-all-blanks field does not start with a blank,
    # check that a field does not terminate wit anything but a space
    # or a newline
    if any((f[0]==' ' and f.rstrip()) or f[-1] not in ' \n' for f in fields):
        # signal the possibility of a misalignment
        print('Possible misalignment in line n.%d:'%nl)
        print('\t|'+header)
        print('\t|'+line.rstrip())
    # the else body is executed if all the fields are OK
    # what I do with the fields is just a possibility
    else:
        print('Data Line n.%d:'%nl)
        fields = [field.rstrip() for field in fields]
        for nf, field in enumerate(fields, 1):
            print('\tField n.%d:\t%r'%(nf, field))

$python3 fetch.py
数据行n.3：
第1栏：“苹果果实”
第2栏：“香蕉水果”
第3栏：“橙色水果”
第4栏：“葡萄和水果”
数据行n.4：
第1栏：“芒果果实”
第2栏：“菠萝水果”
字段n.3:“”
字段n.4:“黑莓水果”
第n.5行中可能出现的偏差：
|第1列第2列第3列第4列
|蓝莓果醋栗果木瓜果
第n.6行中可能出现的偏差：
|第1列第2列第3列第4列
|奇科水果桃水果梨水果
$ 
列的起始位置
[0,18,38,58]
的魔力在我的答案中也起了作用，但它基于
numpy.genfromtxt（）

您是否尝试过制表（
\t
）？此外，发布用于获取数据的代码可能会有所帮助。Can use可能会遗漏行中的一列，如
芒果水果菠萝水果黑莓水果
，应该是4columns@EvgenyPogrebnyak不，我要买
[“芒果水果”、“菠萝水果”、“黑莓水果”]
，也就是说，一个（或多个）列表元素将是空字符串。我明白了，很好！也许可以重命名
i
以提高可读性，我有一个类似变量的
start
。@EvgenyPogrebnyak即使某一行是空的，我也会得到空字符串，因为超出范围的片段总是对应空字符串。对于
i
vs
start
，我会更大胆地使用
column\u start
，但我来自这样一个时代：每个保存的位都有一个值。。。严重的是，我更喜欢用较短的名称来表示那些非常地方性的东西，它们的意图几乎是不言而喻的。谢谢你们。如果这些值与列标题放错了位置怎么办。这可能会变得棘手。。