如何在Python中读取包含可变多行数据的文件
我有一个大约100Mb的文件,看起来像这样:如何在Python中读取包含可变多行数据的文件,python,Python,我有一个大约100Mb的文件,看起来像这样: #meta data 1 skadjflaskdjfasljdfalskdjfl sdkfjhasdlkgjhsdlkjghlaskdj asdhfk #meta data 2 jflaksdjflaksjdflkjasdlfjas ldaksjflkdsajlkdfj #meta data 3 alsdkjflasdjkfglalaskdjf data = [[#meta data 1, skadjflaskdjfasljdfalskdj
#meta data 1
skadjflaskdjfasljdfalskdjfl
sdkfjhasdlkgjhsdlkjghlaskdj
asdhfk
#meta data 2
jflaksdjflaksjdflkjasdlfjas
ldaksjflkdsajlkdfj
#meta data 3
alsdkjflasdjkfglalaskdjf
data = [[#meta data 1, skadjflaskdjfasljdfalskdjflsdkfjhasdlkgjhsdlkjghlaskdjasdhfk],
[#meta data 2, jflaksdjflaksjdflkjasdlfjasldaksjflkdsajlkdfj],
[#meta data 3, alsdkjflasdjkfglalaskdjf]]
此文件包含一行元数据,这些元数据对应于几个仅包含字母数字字符的可变长度数据。将这些数据读入如下简单列表的最佳方式是:
#meta data 1
skadjflaskdjfasljdfalskdjfl
sdkfjhasdlkgjhsdlkjghlaskdj
asdhfk
#meta data 2
jflaksdjflaksjdflkjasdlfjas
ldaksjflkdsajlkdfj
#meta data 3
alsdkjflasdjkfglalaskdjf
data = [[#meta data 1, skadjflaskdjfasljdfalskdjflsdkfjhasdlkgjhsdlkjghlaskdjasdhfk],
[#meta data 2, jflaksdjflaksjdflkjasdlfjasldaksjflkdsajlkdfj],
[#meta data 3, alsdkjflasdjkfglalaskdjf]]
我最初的想法是使用
read()
方法将整个文件读入内存,然后使用正则表达式将数据解析为所需的格式。有更好的更像蟒蛇的方式吗?所有元数据行都以八进制开头,所有数据行都是字母数字。谢谢 我猜是这样的:
result = []
for line in file.readlines():
if line[0] == '#':
result.append([line])
else:
if len(result[-1]) == 1:
result[-1].append(line)
else:
result[-1][-1] += line
未测试。提供了一种将行收集到组中的简便方法:
import itertools
data=[]
with open('data.txt','r') as f:
for key,group in itertools.groupby(f,lambda line: line.startswith('#meta')):
if key:
meta=next(group).strip()
else:
lines=''.join(group).strip()
data.append((meta,lines))
print(data)
屈服
[('#meta data 1', 'skadjflaskdjfasljdfalskdjfl\nsdkfjhasdlkgjhsdlkjghlaskdj\nasdhfk'), ('#meta data 2', 'jflaksdjflaksjdflkjasdlfjas\nldaksjflkdsajlkdfj'), ('#meta data 3', 'alsdkjflasdjkfglalaskdjf')]
表情
itertools.groupby(f,lambda line: line.startswith('#meta'))
返回一个迭代器。它遍历f
中的行,并在每行调用lambda
函数。当遇到以#meta
开头的行时,该函数返回True
,否则返回False
itertools.groupby
收集返回相同值的所有连续行
因此,以#meta
开头的行被放置在它自己的组中,然后所有不以#meta
开头的后续行被放置在下一个组中,依此类推
键是lambda
函数的返回值。在这种情况下,它将是True
或False
我会保持简单,比如:
data = [] # result
lastmeta = None # the last metadata line seen
chunks = [] # lines since the last metadata line
for line in input:
if line[0] == '#': # metadata
if lastmeta: # need to flush data we've collected
data.append((lastmeta, ''.join(chunks))
lastmeta = line
else:
chunks.append(line)
我不知道这是否是最快的方式,但从我的头脑来看:
data = []
with open('input.file', 'r') as fp:
for line in fp:
line = line.strip()
if line[0] == '#':
data.append((line, []))
else:
data[-1][1].append(line)
data = [(X, ''.join(Y)) for X, Y in data]
哇,太棒了!我唯一有困难的是,我的输出给了我[(False,'skadjflaskdjfasljdfalskdjfl\nsdkfjhasdlkjglaskdj\nasdhfk')…
我似乎不明白为什么我会得到一个布尔值,为什么它是False?!看起来你可能是在打印键,而不是meta
?你在使用data.append吗((键,行)
?如果是这样,请更改key
-->meta
。谢谢,这是一个很酷的答案。我从来没有想过这样做。