如何以表格格式将干净的数据写入python文件

问题：从twitter文本中删除超链接、数字和符号，如

^&*$etc

。tweet文件采用CSV表格格式，如下所示：

s.No.   username   tweetText

1.      @abc  This is a test #abc example.com
2.      @bcd  This is another test #bcd example.com 

作为python的新手，我搜索并整理了以下代码，这要感谢给出的代码：

它进行数据剥离，但输出文件格式不是我想要的。输出文本文件在一行中，如

s.no username tweetText 1 abc

这是一条干净的tweet

2 bcd

这是另一条干净的tweet

3 efg

这是另一条干净的tweet

如何修复此代码以提供如下所示的输出：

s.No. username  tweetText

1  abc  This is a test

2  bcd  This is another test

3  efg  This is yet another test 

---

我认为需要在正则表达式代码中添加一些东西，但我不知道它可能是什么。任何提示或建议都会很有帮助

不要将re.sub（）和.lower（）表达式一次应用于整个文件，而是尝试在CSV文件中的每一行上迭代，如下所示：

for line in myfile:
    line = line.lower()
    line = re.sub("(@[A-Za-z0-9]+)|([^0-9A-Za-z \t])|(\w+:\/\/\S+)"," ",line)
    fileout.write(line+'\n')

---

另外，当您将

与as myfile

表达式一起使用时，无需在程序结束时将其关闭，当您与一起使用时，这会自动完成，而不是将re.sub（）和.lower（）表达式一次应用于整个文件，请尝试在CSV文件中的每一行上迭代，如下所示：

for line in myfile:
    line = line.lower()
    line = re.sub("(@[A-Za-z0-9]+)|([^0-9A-Za-z \t])|(\w+:\/\/\S+)"," ",line)
    fileout.write(line+'\n')

另外，当您将

与as myfile

表达式一起使用时，无需在程序结束时将其关闭，当您与一起使用时，这将自动完成。请尝试以下正则表达式：

clean\u data='''.join（re.sub（“[@\^&\*\$]”S+\S+[a-z0-9]\.（com | net | org）”，''，data.split（））#正则表达式将html从文本中去除

说明：

• [@\^&\*\$]

  匹配要替换的字符

• #\S+

  哈希标记上的匹配项

• \S+[a-z0-9]\（com | net | org）

  域名匹配

如果无法通过https识别URL？，则必须填写潜在TLD的列表

试试这个正则表达式：

clean\u data='''.join（re.sub（“[@\^&\*\$]”S+\S+[a-z0-9]\.（com | net | org）”，''，data.split（））#正则表达式将html从文本中去除

说明：

• [@\^&\*\$]

  匹配要替换的字符

• #\S+

  哈希标记上的匹配项

• \S+[a-z0-9]\（com | net | org）

  域名匹配

如果无法通过https识别URL？，则必须填写潜在TLD的列表

---

您可以在一个循环中读取、清理并写出这行内容。您还可以使用CSV模块帮助您构建结果文件

import csv
import re

exp = r"(@[A-Za-z0-9]+)|([^0-9A-Za-z \t])|(\w+:\/\/\S+)"

def cleaner(row):
   return [re.sub(exp, " ", item.lower()) for item in row]

with open('input.csv', 'r') as i, open('output.csv', 'wb') as o:
    reader = csv.reader(i, delimiter=',')  # Comma is the default
    writer = csv.writer(o, delimiter=',')

    # Take the first row from the input file (the header)
    # and write it to the output file

    writer.writerow(next(reader))

    for row in reader:
        writer.writerow(cleaner(row)) 

csv模块正确地知道如何在项目之间添加分隔符；只要你传递给它一个项目集合

那么，它从输入文件中获取行中的每个项（列）的

cleaner

方法是什么，将替换应用于该项的小写版本；然后返回一个列表

代码的其余部分只是打开文件，使用输入和输出文件所需的分隔符配置CSV模块（在示例代码中，两个文件的分隔符都是一个选项卡，但您可以更改输出分隔符）

接下来，输入文件的第一行被读取并写入输出文件。此行没有进行任何转换（这就是它不在循环中的原因）

---

从输入文件中读取该行会自动将文件指针放在下一行上-因此我们只需在输入行（在读卡器中）中循环，对于每一行应用cleaner函数-这将返回一个列表-然后使用

writer.writerow（）

将该列表写回输出文件即可读取该行，将其清除，然后在一个循环中写出来。您还可以使用CSV模块帮助您构建结果文件

import csv
import re

exp = r"(@[A-Za-z0-9]+)|([^0-9A-Za-z \t])|(\w+:\/\/\S+)"

def cleaner(row):
   return [re.sub(exp, " ", item.lower()) for item in row]

with open('input.csv', 'r') as i, open('output.csv', 'wb') as o:
    reader = csv.reader(i, delimiter=',')  # Comma is the default
    writer = csv.writer(o, delimiter=',')

    # Take the first row from the input file (the header)
    # and write it to the output file

    writer.writerow(next(reader))

    for row in reader:
        writer.writerow(cleaner(row)) 

csv模块正确地知道如何在项目之间添加分隔符；只要你传递给它一个项目集合

那么，它从输入文件中获取行中的每个项（列）的

cleaner

方法是什么，将替换应用于该项的小写版本；然后返回一个列表

代码的其余部分只是打开文件，使用输入和输出文件所需的分隔符配置CSV模块（在示例代码中，两个文件的分隔符都是一个选项卡，但您可以更改输出分隔符）

接下来，输入文件的第一行被读取并写入输出文件。此行没有进行任何转换（这就是它不在循环中的原因）

---

从输入文件中读取该行会自动将文件指针放在下一行上，因此我们只需在输入行中循环（在reader中），对于每一行应用cleaner函数，这将返回一个列表，然后使用

writer.writerow（）将该列表写回输出文件

您希望如何从

一些文本

到

这是一个测试

？感谢Carsten Hagemann指出这个异常。我现在已经纠正了这个例子。尝试在clean_数据中的每个元素写入元素+'\n'或逐行读取文件，并通过从该行提取clean_数据以相同的方式处理它，如果它不是空的，则写入clean_数据+'\n'。您希望如何从

一些文本

到

这是一个测试

？谢谢Carsten哈格曼指出了这一反常现象。我现在已经纠正了这个例子。尝试在clean_数据中的每个元素写入元素+'\n'或逐行读取文件，并通过从该行提取clean_数据以相同的方式处理它，如果它不是空的，则写入clean_数据+'\n'。哇，你就是那个人！谢谢你的解释，格雷厄姆。它就像我想要的那样工作。现在，如何在每个单词之间添加逗号？示例sno、username、tweetText.dependens这些词是否由tab描述？如果他们在，就打电话给他们