Python 删去“；“字符串”；使用正则表达式包含CSV文件的最后一行

我是Python新手。我有数千个CSV文件，其中有一组文本在数字数据记录之后出现，我想删除所有以文本开头的行。例如：

col 1    col 2    col 3
--------------------
10      20        30
--------------------
45      34        56
--------------------
Start   8837sec    9items
--------------------
Total   6342sec   755items

好的是，所有csv文件的文本都以第1列中的“开始”开头。我更愿意删除所有行，包括显示“开始”的行

以下是我到目前为止的情况：

import csv, os, re, sys


fileList = []

pattern = [r"\b(Start).*", r"\b(Total).*"]

for file in files:
    fullname = os.path.join(cwd, file)

    if not os.path.isdir(fullname) and not os.path.islink(fullname):
        fileList.append(fullname)


for file in fileList:
    try:
        ifile = open(file, "r")
    except IOError:
        sys.stderr.write("File %s not found! Please check the filename." %(file))
        sys.exit()
    else:
        with ifile:
            reader = csv.reader(ifile)
            writer = csv.writer(ifile)
            rowList = []     
            for row in reader:
               rowList.append((", ".join(row)))

        for pattern in word_pattern:
             if not (re.match(pattern, rowList)
                writer.writerow(elem)

---

运行此脚本后，它会给我一个空白的csv文件。知道要更改什么吗？

您不需要CSV阅读器。您可以简单地找到偏移量并截断文件。以二进制模式打开文件，使用多行正则表达式在文本中查找模式并使用其索引

import os
import re

# multiline, ascii only regex matches Start or Total at start of line
start_tag_finder = re.compile(rb'(?am)\nStart|\nTotal').search

for filename in files: # TODO: I'm not sure where "files" comes from...
    # NOTE: no need to join cwd, relative paths do that automatically
    if not os.path.isdir(filename) and not os.path.islink(filename):
        with open(filename, 'rb+') as f:
            # NOTE: you can cap file size if you'd like
            if os.stat(filename).st_size > 1000000:
                print(filename, "overflowed 10M size limit")
                continue
            search = start_tag_finder(f.read())
            if search:
                f.truncate(search.start())

---

在您整理好文件列表后，我会尝试以下方法：

for file in fileList:
    keepRows = []
    open(file, 'r') as oFile:
    for row in oFile:
        if row[0] != "Start":
            keepRows += row
        else:
            oFile.close()
    with open(file, 'wb+') as nFile:
    writer = csv.writer(nFile, delimiter=',')
    writer.writerow([keepRows])

这将打开原始文件，获取所需的行，关闭它并使用

w+

打开它。这将覆盖文件，保留名称，但通过truncate将其清除，然后将在清除的文件的每一行上写入要保留的每一行

或者，您可以为每个csv创建一个新文件，具体操作如下：

for file in fileList:
    keepRows = []
    with open(file, 'r') as oFile, open('new_file.csv', 'a') as nFile:
    for row in oFile:
        if row[0] != "Start":
            keepRows += row
        else:
            oFile.close()
    for row in keepRows:
        nFile.write(row)

使用

a

打开时，每次都会将光标放在下一行，因为这是

append

。用户面前的

.writerow

方法是iterables，这就是为什么它在

[]

中用于

对象

，其中作为

中的每个组或
行
，而在
追加
中不需要iterables，并将分组中的每个项写入自己的列，移动到下一行并执行相同的操作

编辑：更新了
二进制文件模式
和
.writer（）的语法
本例中没有名为
writer
的变量。你应该得到一个例外，什么也没写。您只想在
开始后剥离所有内容
？你不需要csv。csv的编码是什么？是ASCII还是UTF-8？我在代码中添加了writer语句。CSV文件的编码是ASCII格式。您好，谢谢，它可以工作：）。一个简单的问题：string:（string.startswith（keywords））的方法在这些情况下也能工作吗，我的关键字是keywords=（“Search”，“Total”）？这个例子在一个块中处理文件，而不是逐行处理，因此
startswith
不起作用，但是f.read（）中的
“\nStart”会起作用。正则表达式允许您在单个C扩展块中一次检查多个关键字，我认为这样更快。在大多数现代计算机上，烧掉几兆内存来读取一个文件是很简单的，这（一个猜测！）应该有很好的性能。您可以逐行阅读，也可以使用
启动。您好，谢谢您的帮助。我理解你的第一个创建新列表的方法，即在“开始”之后隔离任何内容。但是，当您开始覆盖文件并保留名称时，我看不到truncate选项。另外，我认为csv.writer（）应该以“nfile”作为参数？@Salil Nanda，我更新了
.writer（）
这篇文章，因为你是正确的，我忘了给它提供一个file对象。truncate选项基于调用
open（）
函数的模式。使用
w
表示
write
使用
b
表示文件以
二进制
模式打开，使用
+
启用
读写
更新功能。默认情况下，
w+
将文件覆盖为0字节（即截断文件）。这就是为什么我们在收集完所需行后调用
wb+
模式。我们使用
b
的原因是，Windows操作系统可以解释文件的
新行
方面。@Salil Nandra，响应太长。以下是有关
open（）
modes:1）的一些参考资料。2） 非常感谢你的帮助。我会调查的。