Python-从数据行中提取并重新格式化字段名

我有一个平面文本文件（infle），我想重新构造。它有几个以制表符分隔的列，如下所示：

 Person1    HEIGHT=60;WEIGHT=100;AGE=22
 Person2    HEIGHT=62;WEIGHT=101;AGE=25
 Person3    HEIGHT=64;WEIGHT=110;AGE=29

 PERSON    HEIGHT    WEIGHT    AGE
 1         60        100       22
 2         62        101       25
 3         64        110       29

我希望它看起来像这样：

 Person1    HEIGHT=60;WEIGHT=100;AGE=22
 Person2    HEIGHT=62;WEIGHT=101;AGE=25
 Person3    HEIGHT=64;WEIGHT=110;AGE=29

 PERSON    HEIGHT    WEIGHT    AGE
 1         60        100       22
 2         62        101       25
 3         64        110       29

您可以看到，第二列实际上包含几个以分号分隔的标题/值字段，我想将它们重新构造为典型的列标题行

现在我有：

for line in infile:
        line = line.split("\t")
        line_meta = line[1].split(";")
        print line_meta

我认为最好的解决方案是现在循环行\元变量，使用正则表达式检测标题名称（检测以多个大写字母开头，以“=”\结尾的字符串），将每个标题作为键添加到字典中，然后将字符串的其余部分作为值存储。然后，对于下一行，如果检测到相同的头，只需将其附加到现有字典中

是否有人可以在此代码方面提供帮助或提供有关如何继续的反馈

多谢各位

编辑：感谢您的回复。在本例中，我简化了数据，但下面是一个实际的元列的外观（仍然是分隔的，但值类型是混合的）：

---

您可以只使用一个正则表达式来拆分键=值对：

import re

key_value = re.compile('(?P<key>[A-Z]+)=(?P<value>\[^\s=;]+)(?:(?=;)|$)')

（？：…）

组是非捕获组；此处仅用于标记

|

或符号所适用的内容。模式匹配

=

符号前的大写字符，以及任何非空白的字符，如

=

或

字符，前提是有一个
或值后面的字符串结尾

这将为每行拆分键和值：

>>> key_value = re.compile('(?P<key>[A-Z]+)=(?P<value>[^\s=;]+)(?:(?=;)|$)')
>>> key_value.findall('Person1\tHEIGHT=60;WEIGHT=100;AGE=22')
[('HEIGHT', '60'), ('WEIGHT', '100'), ('AGE', '22')]

然后，您可以使用以下方法编写这些内容，例如：

您可以只使用一个正则表达式来拆分键=值对：

import re

key_value = re.compile('(?P<key>[A-Z]+)=(?P<value>\[^\s=;]+)(?:(?=;)|$)')

（？：…）
组是非捕获组；此处仅用于标记
|
或符号所适用的内容。模式匹配
=
符号前的大写字符，以及任何非空白的字符，如
=
或
字符，前提是有一个
或值后面的字符串结尾

这将为每行拆分键和值：

>>> key_value = re.compile('(?P<key>[A-Z]+)=(?P<value>[^\s=;]+)(?:(?=;)|$)')
>>> key_value.findall('Person1\tHEIGHT=60;WEIGHT=100;AGE=22')
[('HEIGHT', '60'), ('WEIGHT', '100'), ('AGE', '22')]

然后，您可以使用以下方法编写这些内容，例如：

你可以试试这个

data = open('testfile.dat').read().split('\n')

def newcmp(x,y): 
    rv = cmp(len(x[1]), len(y[1]))
    if rv: return rv
    else: return cmp(x[0], y[0]) # alphabetical 

persons = {}
attributes = {}
nAttrs = 0
for l in data:
    pname , pvals = line.split('\t')[:2]
    for atName, atVal in (x.split('=') for x in pvals.psplit(';'))
        try:
            persons[pName][attributes[atName]] = atVal
        except KeyError:
            attributes[aName] = nAttrs
            persons[pName][attributes[atName]] = atVal
            nAttr += 1

headers = ['NAME'] + range(nAttrs)
for x in attributes.keys(): headers[attributes[x]+1] = x
values = []
for pName, pVals in sorted(persons.items(), cmp=newcmp)
    if len(pVals) < nAttrs: pVals += [0 for x in xrange(nAttrs - len(pVals))]
    values.append('\t'.join(('%d'%x for x in pVals)))

outfh = open('outputfile.dat', 'w')
outfh.write('%s\n%s\n'%('\t'.join(headers), '\n'.join(values)))
outfh.close()

data=open（'testfile.dat'）.read（）.split（'\n'）
def newcmp（x，y）：
rv=cmp（len（x[1]），len（y[1]））
如果是rv：返回rv
else：按字母顺序返回cmp（x[0]，y[0]）
人={}
属性={}
nAttrs=0
对于l in数据：
pname，pvals=line.split（'\t'）[：2]
对于atName，对于pvals.psplit（“；”）中的x，在（x.split（“=”）中使用atVal
尝试：
人员[pName][attributes[atName]]=atVal
除KeyError外：
属性[aName]=nAttrs
人员[pName][attributes[atName]]=atVal
nAttr+=1
标题=['NAME']+范围（nAttrs）
对于attributes.keys（）中的x：头[attributes[x]+1]=x
值=[]
对于pName，pVals已排序（persons.items（），cmp=newcmp）
如果len（pVals）
您可以试试这个

data = open('testfile.dat').read().split('\n')

def newcmp(x,y): 
    rv = cmp(len(x[1]), len(y[1]))
    if rv: return rv
    else: return cmp(x[0], y[0]) # alphabetical 

persons = {}
attributes = {}
nAttrs = 0
for l in data:
    pname , pvals = line.split('\t')[:2]
    for atName, atVal in (x.split('=') for x in pvals.psplit(';'))
        try:
            persons[pName][attributes[atName]] = atVal
        except KeyError:
            attributes[aName] = nAttrs
            persons[pName][attributes[atName]] = atVal
            nAttr += 1

headers = ['NAME'] + range(nAttrs)
for x in attributes.keys(): headers[attributes[x]+1] = x
values = []
for pName, pVals in sorted(persons.items(), cmp=newcmp)
    if len(pVals) < nAttrs: pVals += [0 for x in xrange(nAttrs - len(pVals))]
    values.append('\t'.join(('%d'%x for x in pVals)))

outfh = open('outputfile.dat', 'w')
outfh.write('%s\n%s\n'%('\t'.join(headers), '\n'.join(values)))
outfh.close()

data=open（'testfile.dat'）.read（）.split（'\n'）
def newcmp（x，y）：
rv=cmp（len（x[1]），len（y[1]））
如果是rv：返回rv
else：按字母顺序返回cmp（x[0]，y[0]）
人={}
属性={}
nAttrs=0
对于l in数据：
pname，pvals=line.split（'\t'）[：2]
对于atName，对于pvals.psplit（“；”）中的x，在（x.split（“=”）中使用atVal
尝试：
人员[pName][attributes[atName]]=atVal
除KeyError外：
属性[aName]=nAttrs
人员[pName][attributes[atName]]=atVal
nAttr+=1
标题=['NAME']+范围（nAttrs）
对于attributes.keys（）中的x：头[attributes[x]+1]=x
值=[]
对于pName，pVals已排序（persons.items（），cmp=newcmp）
如果len（pVals）
感谢您的回复。您能建议如何编辑key_值以容纳不仅仅是数字的值吗？就我的理解水平而言，您的正则表达式非常复杂，但我尝试将其修改为
”（？P[A-Z]+）=（？P\S+（：（？=）|$）”
，但它没有确定字段properly@alexhli：您可以使用
\w+
作为单词字符，所以a-z加0-9。@alexhli:啊，我错过了您提供的实际示例。我已经更新了正则表达式，使其更加自由，并为您发布了一个演示。您的新演示效果非常好！最后一个问题（我希望），出于某种原因，它现在正在最后一个字段周围打印“”，知道为什么吗？所以它看起来像是
person160100“22”
它包含空格；我们可以在字符类中添加不允许的空白：
[^\s；=]+
。CSV文件在值周围使用引号表示
22
之后的额外空间仍然是值的一部分。感谢您的回复。您能建议如何编辑key_值以容纳不仅仅是数字的值吗？就我的理解水平而言，您的正则表达式非常复杂，但我尝试将其修改为
”（？P[A-Z]+）=（？P\S+（：（？=）|$）”
，但它没有确定字段properly@alexhli：您可以使用
\w+
作为单词字符，所以a-z加0-9。@alexhli:啊，我错过了您提供的实际示例。我已经更新了正则表达式，使其更加自由，并为您发布了一个演示。您的新演示效果非常好！最后一个问题（我希望），出于某种原因，它现在正在最后一个字段周围打印“”，知道为什么吗？所以它看起来像是
person160100“22”
它包含空格；我们可以在character类中添加不允许的空白：