使用python格式化文本文件

我有一个原始文本，如下所示：

0000001AB11117, 2323235-8,  This is the description.
00000323CD4111, 1944322,    Soft Dimcase andRating
00000033322S11, 2212234-3,  100 BN SN OPTION (LINUX)
00000226644224, 44433AV,    aaaaaccaaaaaaa

000000 1AB111172323235-8这是 description.00000323CD411111944322软底壳 ANDRATING 00000033322S112234-31000亿SN期权 （LINUX）000022664422444433avaaaaaaaaaaaaaaa

我正试图将其转换为如下所示：

0000001AB11117, 2323235-8,  This is the description.
00000323CD4111, 1944322,    Soft Dimcase andRating
00000033322S11, 2212234-3,  100 BN SN OPTION (LINUX)
00000226644224, 44433AV,    aaaaaccaaaaaaa

上面的规则是取14个字符（可以是字母和数字的组合），然后插入“，”然后取下7个字符（可以是字母和数字的组合），如果下一个字符是“-”，则包括连字符和直接数字，然后插入“，”，然后读出所有描述，直到找到三个连续的000。一旦找到三个连续的0，我需要在000之前插入新行，然后重复相同的过程，以便格式化它。基本上我想读出所有列的值。请建议可以做什么

我在下面尝试过，但在这里我需要硬编码值以插入“，”或“\n”，但在这里我硬编码，不确定如何使其动态

def format_file(filename, find, insert):
    with open(page2, 'r+') as file:
        lines = file.read()

        index = repr(lines).find(find) - 1
        if index < 0:
            raise ValueError("The text was not found.")

        len_found = len(find) - 1
        existing_lines = lines[index + len_found:]

        file.seek(index)
        file.write(find)
        file.write(insert)
        file.write(existing_lines)

format_file(page2, "0000001AB11117", ', ')
format_file(page2, "2323235-8", ', ')
format_file(page2, "This is the description.", '\n')

def格式_文件（文件名、查找、插入）：
打开（第2页，“r+”）作为文件：
lines=file.read（）
索引=repr（行）。查找（find）-1
如果指数<0：
raise VALUERROR（“未找到文本”）
len_find=len（find）-1
现有线=线[索引+找到的长度：]
file.seek（索引）
file.write（查找）
文件。写入（插入）
file.write（现有的_行）
格式化_文件（第2页，“0000001AB11117”、“，”）
格式化_文件（第2页，“23235-8”、“，”）
格式化_文件（第2页，“这是说明。”，“\n”）

在这种情况下，您可以通过regexp解析文件文本

• 上面的规则是使用14个字符（可以是字母和数字的混合）

  -

  [a-zA-Z\d]{14}

• 然后取下7个字符（可以是字母和数字的组合），如果下一个字符是“-”，则包括连字符和立即数，然后插入“

  -

  [\da-ZA-Z]{7}（\-\d）？

• 然后读出所有描述，直到我们找到三个连续的000

  -

  +？（？=（000 |$）

请勾选这个：

import re

expr = re.compile(r'(?P<first>[\da-zA-Z]{14})(?P<second>[\da-ZA-Z]{7}(\-\d)?)(?P<third>.+?(?=(000|$)))')

text = '''0000001AB111172323235-8THis is the description.00000323CD41111944322Soft Dimcase andRating00000033322S112212234-3100 BN SN OPTION (LINUX)000022664422444433AVaaaaaccaaaaaaa'''

for m in expr.finditer(text):
    print "{}, {}, {}\n".format(m.group('first'), m.group('second'), m.group('third'))

---

re

正则表达式模块是解析简单文本结构的好方法。在您的例子中，诀窍是当您点击下一个

000

时，将流分解为记录。使用前瞻模式

（？=000）间接处理字符串

将匹配您的分隔符。我们使用“向前看”，因为您还希望将其作为以下记录的一部分保留。我们还希望在文件末尾终止一条记录，因此使用了可选的

$

模式。该模式的其余部分只是将字段分隔开

re_line = re.compile(r'(.{14})(.{7})(-\d|)(.*?)((?=000)|$)')

with open(page2, 'r') as f:
    for m in re_line.finditer(f.read()):
        print '{0}, {1}{2}, {3}'.format(*m.groups())

产出：

0000001AB11117, 2323235-8, THis is the description.
00000323CD4111, 1944322, Soft Dimcase andRating
00000033322S11, 2212234-3, 100 BN SN OPTION (LINUX)
00002266442244, 4433AVa, aaaaccaaaaaaa

---

@Shpionus这真的很好。当我将所有文本指定给

text

变量时，它会按预期工作，但当我试图直接从文件中读取时，它不会打印任何内容，可能是因为它一次读取1个字母。请提出建议。@MadPhysician我实现了上述规则。正则表达式匹配所需的模式然后我只是以所要求的格式打印。我试着用expr.finditer（f）中的

open（page2，'r'）作为f:m：

但是我得到了TypeError:需要字符串或缓冲区，所以基本上我无法从文件中读取。@ankitpandey您可以逐行读取文件。但是我的脚本是全文的。我不确定您的文件看起来如何。如果文件不大，您可以完全读取到变量并使用此代码。如果文件足够大，需要找到其他迭代方式。@ankitpandey

expr.finditer

使用字符串变量，而不是文件描述。@Mike从

a

的何处进入图片？当我将

a

替换为

f

时，我得到了类型错误：预期的字符串或缓冲区error@ankitpandey那应该是

f.read（）

我会更正代码的。对不起，我赶时间。