Python 连接和删除行

注意：解决方案必须是我可以嵌入python的东西

我有一个80多万行的文件。这些行被分组。每组行的开头以“IMAGE”开头，后面是一行以“HISTO”开头，然后是至少一行（但通常是多行）以“FRAG”开头

我需要：
1.删除/放弃任何以“HISTO”开头的行。
2.对于每个“FRAG”行，我需要将其与前面的“IMAGE”行连接起来。 这里有一个例子

IMAGE ...data1...  
HISTO usually numbers 0 0 1 1 0 1 0  
FRAG ...data1...  
FRAG ...data2...  
IMAGE ...data2...  
HISTO usually numbers 0 0 1 1 0 1 0   
FRAG ...data1...  
FRAG ...data2...  
FRAG ...data3...  
FRAG ...data4...

结果需要如下所示：

IMAGE ...data1... FRAG ...data1...  
IMAGE ...data1... FRAG ...data2...  
IMAGE ...data2... FRAG ...data1...  
IMAGE ...data2... FRAG ...data2...  
IMAGE ...data2... FRAG ...data3...  
IMAGE ...data2... FRAG ...data4...  

在使用图像线重新开始之前，可能会有许多碎片线

这是基于前面的一个问题，但现在我需要使用python来保持一致性。 这是我使用的代码，可以正常工作

> sed 's/>//' Input.txt|awk '/^IMAGE/{a=$0;next;} /^FRAG/{print ">"a,$0}'

之前的解决方案归功于AwkMan。

Python解决方案 这将产生：

>IMAGE ...data1... FRAG ...data1...
>IMAGE ...data1... FRAG ...data2...
>IMAGE ...data2... FRAG ...data1...
>IMAGE ...data2... FRAG ...data2...
>IMAGE ...data2... FRAG ...data3...
>IMAGE ...data2... FRAG ...data4...

$ awk '/^>IMAGE/{img=$0;next} /^>HISTO/{next} {print img,substr($0,2)}' Input.txt
>IMAGE ...data1... FRAG ...data1...
>IMAGE ...data1... FRAG ...data2...
>IMAGE ...data2... FRAG ...data1...
>IMAGE ...data2... FRAG ...data2...
>IMAGE ...data2... FRAG ...data3...
>IMAGE ...data2... FRAG ...data4...

Awk解决方案 尝试：

例子 将其作为输入文件：

$ cat Input.txt 
>IMAGE ...data1...
>HISTO usually numbers 0 0 1 1 0 1 0
>FRAG ...data1...
>FRAG ...data2...
>IMAGE ...data2...
>HISTO usually numbers 0 0 1 1 0 1 0
>FRAG ...data1...
>FRAG ...data2...
>FRAG ...data3...
>FRAG ...data4...

我们的代码生成：

>IMAGE ...data1... FRAG ...data1...
>IMAGE ...data1... FRAG ...data2...
>IMAGE ...data2... FRAG ...data1...
>IMAGE ...data2... FRAG ...data2...
>IMAGE ...data2... FRAG ...data3...
>IMAGE ...data2... FRAG ...data4...

$ awk '/^>IMAGE/{img=$0;next} /^>HISTO/{next} {print img,substr($0,2)}' Input.txt
>IMAGE ...data1... FRAG ...data1...
>IMAGE ...data1... FRAG ...data2...
>IMAGE ...data2... FRAG ...data1...
>IMAGE ...data2... FRAG ...data2...
>IMAGE ...data2... FRAG ...data3...
>IMAGE ...data2... FRAG ...data4...

工作原理 Awk隐式地逐行读取文件。我们将图像行保存在变量

img

中，并在帧行出现时打印出来

更详细地说：

• /^>IMAGE/{img=$0；next}

  对于任何以

  >IMAGE

  开头的行，我们将该行保存在变量

  img

  中，然后跳过其余命令并跳转到

  下一行开始
  

• /^>HISTO/{next}

  对于任何以

  >HISTO

  开头的行，我们跳过其余命令，跳转到

  下一行开始
  

• 打印img，substr（$0,2）

  对于所有其他行，我们打印

  img

  ，后跟当前行减去其第一个字符（即示例输入中的
  ）

尝试以下解决方案：

with open('in.txt', 'r') as fin, open('out.txt', 'w') as fout:
    for line in fin:
        if line.startswith('HISTO'): 
            continue
        elif line.startswith('IMAGE'):
            prefix = line.strip()
        elif line.startswith('FRAG'):
            fout.write(prefix + ' ' + line)

还可以考虑，当您已经有一个工作行命令（如“John1024”awk命令）时，您可以使用子流程执行它：

import subprocess
with open('input.txt', 'r') as fin, open('out.txt', 'w') as fout:
    subprocess.run(["awk", "/^IMAGE/{img=$0;next} /^HISTO/{next} {print img,substr($0,1)}", "input.txt"], stdout=fout)

---

字符串切分、切分是你应该注意的事情，因为行实际上是以

开头的，或者这只是一个编辑工件？你试过写代码吗？那只是编辑。解决方案需要是python。底部提供的代码行工作得很好，但我现在需要用python来完成，以便可以将其添加到其他代码行中。@Wayne我一直在寻找，但不知道从何处开始。看起来像是字符串切片，我应该从拆分开始吗？约翰，谢谢，但根据问题，我需要一个python解决方案。@ChrisNull我应该仔细阅读。答案已用python解决方案更新。