Python：解析具有不同字段计数的冒号分隔文件

我正试图用“clientname.txt”解析一些格式如下的文件

hostname:comp1
time: Fri Jan 28 20:00:02 GMT 2011
ip:xxx.xxx.xx.xx
fs:good:45
memory:bad:78
swap:good:34
Mail:good

每个部分都由：分隔，但其中第0,2,6行有2个字段。。。第1,3-5行有3个或更多字段。（我遇到的一个大问题是时间：行，因为20:00:02实际上是一个时间，而不是3个单独的字段

我有几个像这样的文件需要解析。这些文件中有很多行有多个字段

...
for i in clients:
if os.path.isfile(rpt_path + i + rpt_ext):          # if the rpt exists then do this
    rpt = rpt_path + i + rpt_ext
    l_count = 0
    for line in open(rpt, "r"):
        s_line = line.rstrip()
        part = s_line.split(':')
        print part
        l_count = l_count + 1
else:                                               # else break
    break

首先，我先检查文件是否存在，如果存在，然后打开文件并解析它（最终），现在我只是打印输出（打印部分），以确保解析正确。

---

老实说，我现在唯一的问题是时间：字段。我如何处理这一行与其他行不同？时间字段始终是我所有报告文件中的第二行。

如果时间字段始终是第二行。为什么不能跳过它并单独解析它

差不多

for i, line in enumerate(open(rpt, "r").read().splitlines()):
    if i==1: # Special parsing for time: line
        data = line[5:]
    else:
        # your normal parsing logic

---

如果时间字段总是第二行，为什么不能跳过它并单独解析呢

差不多

for i, line in enumerate(open(rpt, "r").read().splitlines()):
    if i==1: # Special parsing for time: line
        data = line[5:]
    else:
        # your normal parsing logic

---

split方法具有以下语法

split（[sep[，maxsplit]]）

，如果给定maxsplit，它将使maxsplit+1个部分。在您的情况下，只需将maxsplit设为1。只需

split（'：'，1）

就可以解决您的问题。

split方法具有以下语法

split（[sep[，maxsplit]]

如果给定maxsplit，它将使maxsplit+1个部分。在您的情况下，您只需将maxsplit设为1。只要

split（'：'，1）

就可以解决您的问题。

如果

time

是一种特殊情况，您可以：

[...]
s_line = line.rstrip()
if line.startswith('time:'):
    part = s_line.split(':', 1)
else:
    part = s_line.split(':')
print part
[...]

这将给你：

['hostname', 'comp1']
['time', ' Fri Jan 28 20:00:02 GMT 2011']
['ip', 'xxx.xxx.xx.xx']
['fs', 'good', '45']
['memory', 'bad', '78']
['swap', 'good', '34']
['Mail', 'good']

---

并且不依赖于

时间

在文件中的位置。

如果

时间

是一个特例，您可以执行以下操作：

[...]
s_line = line.rstrip()
if line.startswith('time:'):
    part = s_line.split(':', 1)
else:
    part = s_line.split(':')
print part
[...]

这将给你：

['hostname', 'comp1']
['time', ' Fri Jan 28 20:00:02 GMT 2011']
['ip', 'xxx.xxx.xx.xx']
['fs', 'good', '45']
['memory', 'bad', '78']
['swap', 'good', '34']
['Mail', 'good']

并且不依赖于文件中时间的位置。

设计注意事项：

可靠地处理无关的空白，包括空行和缺少冒号

提取一个记录类型，然后用它来决定如何解析行的其余部分

>>> def munched(s, n=None):
...     if n is None:
...         n = 99999999 # this kludge should not be necessary
...     return [x.strip() for x in s.split(':', n)]
...
>>> def parse_line(line):
...     if ':' not in line:
...         return [line.strip(), '']
...     record_type, remainder = munched(line, 1)
...     if record_type == 'time':
...         data = [remainder]
...     else:
...         data = munched(remainder)
...     return record_type, data
...
>>> for guff in """
... hostname:comp1
... time: Fri Jan 28 20:00:02 GMT 2011
... ip:xxx.xxx.xx.xx
... fs:good:45
...     memory   :    bad   :   78
... missing colon
... Mail:good""".splitlines(True):
...    print repr(guff), parse_line(guff)
...
'\n' ['', '']
'hostname:comp1\n' ('hostname', ['comp1'])
'time: Fri Jan 28 20:00:02 GMT 2011\n' ('time', ['Fri Jan 28 20:00:02 GMT 2011'])
'ip:xxx.xxx.xx.xx\n' ('ip', ['xxx.xxx.xx.xx'])
'fs:good:45\n' ('fs', ['good', '45'])
'    memory   :    bad   :   78    \n' ('memory', ['bad', '78'])
'missing colon\n' ['missing colon', '']
'Mail:good' ('Mail', ['good'])
>>>

设计注意事项：

可靠地处理无关的空白，包括空行和缺少冒号

提取一个记录类型，然后用它来决定如何解析行的其余部分

>>> def munched(s, n=None):
...     if n is None:
...         n = 99999999 # this kludge should not be necessary
...     return [x.strip() for x in s.split(':', n)]
...
>>> def parse_line(line):
...     if ':' not in line:
...         return [line.strip(), '']
...     record_type, remainder = munched(line, 1)
...     if record_type == 'time':
...         data = [remainder]
...     else:
...         data = munched(remainder)
...     return record_type, data
...
>>> for guff in """
... hostname:comp1
... time: Fri Jan 28 20:00:02 GMT 2011
... ip:xxx.xxx.xx.xx
... fs:good:45
...     memory   :    bad   :   78
... missing colon
... Mail:good""".splitlines(True):
...    print repr(guff), parse_line(guff)
...
'\n' ['', '']
'hostname:comp1\n' ('hostname', ['comp1'])
'time: Fri Jan 28 20:00:02 GMT 2011\n' ('time', ['Fri Jan 28 20:00:02 GMT 2011'])
'ip:xxx.xxx.xx.xx\n' ('ip', ['xxx.xxx.xx.xx'])
'fs:good:45\n' ('fs', ['good', '45'])
'    memory   :    bad   :   78    \n' ('memory', ['bad', '78'])
'missing colon\n' ['missing colon', '']
'Mail:good' ('Mail', ['good'])
>>>

---

---

我必须跳过每一行超过1:delimiter的行，而那些超过1:delimiter的行并不总是在文件中的同一位置。我很难理解您试图实现的目标。您是否试图以不同的方式对待所有超过1:delimiter的行（时间：行除外）？我想解决办法是检查每一行的：，然后如果它有3个以上，则单独处理它？但不确定如何完成。我必须跳过每一行有1个以上的：delimiter，并且那些有1个以上的：delimiter的行并不总是在文件中的同一位置。我很难理解您试图解决的问题ccomplish。您是否尝试以不同的方式处理所有具有多个：的行（时间：行除外）？我认为解决方案是检查每一行的：，然后如果它具有多个：则单独处理它？不确定如何实现这一点。我起初尝试过，但在该行为Swap:Good:39的情况下，它会返回['Swap'，'Good:39']@Mark，如果date是导致此问题的唯一原因，那么您可以检查

如果line:part=s_line.split（'：'，1）

中的'time'。否则使用正常拆分。我一开始尝试过，但在Swap:Good:39行的情况下，它返回['Swap'，'Good:39']@Mark，如果date是唯一导致此问题的原因，那么您可以检查行中的'time'是否为'part=s_line.split（'：'，1）否则使用正常的拆分。太棒了，这样做了：）我想我的下一个问题是如何引用“new”字段的输出方式？也就是说，如果我下一步只想打印时间本身？是类似于第[1]部分还是第（1）部分？或者更具体地说，如何找出每个列表有多少字段？@Johnsyweb:如果有

超时：987

或

计时器：off

行，会发生什么情况？时间数据前面的前导空间是什么？最好是

if line.startswith（'time:'））

，以防止“timers:foo:bar”被匹配。@John Machin:你必须在我开始键入时提交。我的答案得到了相应的更新。上面的示例中有一个前导空格。如果需要，可以删除它。太棒了，这样做了：）我想我的下一个问题是如何引用“new”字段的输出方式？也就是说，如果我下一步只想打印时间本身？是类似于第[1]部分还是第（1）部分？或者更具体地说，如何找出每个列表有多少字段？@Johnsyweb:如果有

超时：987

或

计时器：off

行，会发生什么情况？时间数据前面的前导空间是什么？最好是

if line.startswith（'time:'））

，以防止“timers:foo:bar”匹配。@John Machin:你必须在我开始键入时提交。我的答案得到了相应的更新。上面的示例中有一个前导空格。如果需要，可以删除该空格。@Johnsyweb:YAGNI直接出自“著名的最后的话”。它忽略了墨菲定律的第256个推论：“如果用户、开发人员和头发尖尖的老板能够对数据布局进行特殊的更改，他们会的。”因此，我向上投票。但是，如果OP拥有数据和解析器，那么就没有更多的工作要做了。然而。@Johnsyweb:YAGNI直接出自“著名的遗言”。它忽略了墨菲定律的第256个推论：如果用户、开发人员和头发尖尖的老板能够对数据布局进行特殊的更改，他们会的。”因此，我向上投票。然而，如果OP拥有数据和解析器，那么就没有更多的工作要做了。然而。