用python解析文本文件并输出到CSV

序言-我对Python还很陌生，在另一种语言方面有更多的经验

我有一个文本文件，其中包含通用（但略有变化）格式的字符串单列列表“/abc123a1/type/1ab2_x_data_type.file.type”

我需要从所有几百行中提取abc123a1和1ab2部分，并将它们放在csv中的两列（a列和b列）下。有时可能会有“1ab2_a”和“1ab2_b”，但我只想要一个1ab2。所以我想抓住“1ab2_a”而忽略所有其他的

我有我认为有效的正则表达式：

tmp = list()
if re.findall(re.compile(r'^([a-zA-Z0-9]{4})_'), x):
    tmp = re.findall(re.compile(r'^([a-zA-Z0-9]{4})_'), x)
elif re.findall(re.compile(r'_([a-zA-Z0-9]{4})_'), x):
    tmp = re.findall(re.compile(r'_([a-zA-Z0-9]{4})_'), x)
if len(tmp) == 0:
    return None
elif len(tmp) > 1:
    print "ERROR found multiple matches"
    return "ERROR"
else:
    return tmp[0].upper()

我试图一步一步地编写这个脚本，并进行测试以确保它能正常工作，但事实并非如此

import sys
import csv

listOfData = []

with open(sys.argv[1]) as f:
    print "yes"
    for line in f:
        print line
    for line in f:
        listOfData.append([line])
print listOfData

with open('extracted.csv', 'w') as out_file:
    writer = csv.writer(out_file)
    writer.writerow(('column a', 'column b'))
    writer.writerows(listOfData)

print listOfData

仍然无法在csv中获得除列标题以外的任何内容，更不用说解析版本了

---

有没有人有更好的想法或格式我可以这样做？一位朋友提到查看glob.glob，但我也没有运气让它起作用。

我不确定您的正则表达式（它很可能不起作用），但您当前（非正则表达式，简单）代码不起作用的原因是-

with open(sys.argv[1]) as f:
    print "yes"
    for line in f:
        print line
    for line in f:
        listOfData.append([line])

正如您所看到的，您首先迭代文件中的每一行并打印它，这应该没问题，但在循环结束后，文件指针位于文件的末尾，因此尝试再次迭代不会产生任何结果。您应该只对它迭代一次，并在其中打印和附加到列表。范例-

with open(sys.argv[1]) as f:
    print "yes"
    for line in f:
        print line
        listOfData.append([line])

---

我认为问题的一部分是以下两个

for

循环：

with open(sys.argv[1]) as f:
    print "yes"
    for line in f:
        print line
    for line in f:
        listOfData.append([line])

第一个

print

s包含

f

的所有行，因此第二个行没有任何内容可以重复，除非您首先

f.seek（0）

并倒带文件

另一种方法是：

with open(sys.argv[1]) as f:
    print "yes"
    for line in f:
        print line
        listOfData.append([line])

---

如果没有一行以上的示例输入数据，很难判断您的正则表达式是否正常。

IMHO，您离让它工作不远了。问题是，您只需读取一次整个文件以打印行，然后（在文件末尾读取一次）尝试将它们放入列表中。。。然后得到一张空名单

您应该只读取文件一次：

import sys
import csv

listOfData = []

with open(sys.argv[1]) as f:
    print "yes"
    for line in f:
        print line
        listOfData.append([line])
print listOfData

with open('extracted.csv', 'w') as out_file:
    writer = csv.writer(out_file)
    writer.writerow(('column a', 'column b'))
    writer.writerows(listOfData)

print listOfData

---

一旦它起作用，您仍然需要使用正则表达式获取相关数据以放入csv文件中

您确定需要所有正则表达式吗？您似乎正在分析路径和文件名列表。可以使用

split

命令拆分路径，例如：

print "./abc123a1/type/1ab2_a_data_type.file.type".split("/")

将提供：

['.', 'abc123a1', 'type', '1ab2_a_data_type.file.type']

然后，您可以创建一个

集合

，该集合由第二个条目和第四个条目中的“u”组成，例如

('abc123a1', '1ab2')

然后，可以使用此选项仅打印每个项目的第一个条目：

pairs = set()

with open(sys.argv[1], 'r') as in_file, open('extracted.csv', 'wb') as out_file:
    writer = csv.writer(out_file)

    for row in in_file:
        folders = row.split("/")
        col_a = folders[1]
        col_b = folders[3].split("_")[0]

        if (col_a, col_b) not in pairs:
            pairs.add((col_a, col_b))
            writer.writerow([col_a, col_b])

因此，对于如下所示的输入：

./abc123a1/type/1ab2_a_data_type.file.type
./abc123a1/type/1ab2_b_data_type.file.type
./abc123a2/type/1ab2_a_data_type.file.type
./abc123a3/type/1ab2_a_data_type.file.type

您将得到一个如下所示的CSV文件：

abc123a1,1ab2
abc123a2,1ab2
abc123a3,1ab2

---

当你打印

listOfData

时，它有你想要的数据吗？“所以我想抓住“1ab2_a”并忽略所有其他数据。”我不确定是否能很好地理解这句话。是否要提取

1ab2

或

1ab2\u a

？是否可以编辑问题以添加更多示例输入行？还要添加该输入的预期输出。