【问题标题】:Format Text File in python在python中格式化文本文件
【发布时间】:2015-12-05 01:20:57
【问题描述】:

示例文本文件:

["abc","123","apple","red","<a href='link1'>zzz</a>"],

["abc","124","orange","blue","<a href='link1'>zzz</a>"],

["abc","125","almond","black","<a href='link1'>zzz</a>"],

["abc","126","mango","pink","<a href='link1'>zzz</a>"]

预期输出:

abc 123 apple red 'link1'>zzz

abc 124 orange blue 'link1'>zzz

abc 125 almond black 'link1'>zzz

abc 126 mango pink 'link1'>zzz

我只是希望文件没有大括号,逗号用空格分隔,并且只获取该行中最后一个元素的链接。

我尝试在 Python 中使用列表。

我不知道如何继续。猜猜,我在某个地方出错了。帮助将不胜感激。在此先感谢:)

import sys
import re

Lines = [Line.strip() for Line in open (sys.argv[1],'r').readlines()]



for EachLine in Lines:
    Parts = EachLine.split(",")
    for EachPart in Parts:

        EachPart = re.sub(r'[', '', EachPart)
        EachPart = re.sub(r']', '', EachPart)

【问题讨论】:

  • 嗯...你还没有输出任何东西吗?我认为print ' '.join(Parts) 可能会出现在其中?
  • 我真的不认为你需要正则表达式。你只需要像往常一样解析列表。
  • 文件“FormatToCsv.py”,第 12 行 EachPart = re.sub(r '[', '', EachPart) 这是我得到的错误

标签: python regex list


【解决方案1】:

这可以使用以下脚本来完成:

import csv
import re

with open('input.txt', 'r') as f_input, open('output.txt', 'w') as f_output:
    csv_input = csv.reader(f_input, delimiter='"')
    for cols in csv_input:
        if cols:
            cols = [x for x in cols[1:-1:2]]
            link = re.search(r"('.*?)<", cols[-1])
            if link:
                cols[-1] = link.group(1)

            f_output.write('{}\n'.format(' '.join(cols)))

这会给你output.txt 包含:

abc 123 apple red 'link1'>zzz
abc 124 orange blue 'link1'>zzz
abc 125 almond black 'link1'>zzz
abc 126 mango pink 'link1'>zzz

更新 - 在repl.it 上运行此代码的简化版本以显示正确的输出。输入来自字符串,并显示输出。只需点击Run 按钮。

更新 - 更新为跳过空白行

【讨论】:

  • 嗨,马丁,这看起来不错。但我收到一个错误:: cols[-1] = re.search(r"'(.*?)'", cols[-1]).group(1) AttributeError: 'NoneType' object has no attribute '组
  • 所有输入行都有链接吗?我已经对其进行了更新,以应对没有链接的行,这应该可以解决您的问题。
  • 我猜你有一个使用双引号作为 href 的链接?你能检查一下是否是这种情况吗?该代码适用于您的示例。
  • 是的,马丁...你是对的。我的 href 部分如下所示: zzz 我希望输出为 'link1'>zzz
  • 如果您能解决我的问题,我们将不胜感激??
【解决方案2】:

如果您打算使用正则表达式删除 [ 和 ],则需要转义方括号以将它们作为文字符号进行匹配。它们是表示字符类边界的“特殊”正则表达式字符,因此需要特殊处理。

这是一个正则表达式替换示例:

EachPart = re.sub(r'[\[\]]', '', EachPart)

见demo

但是,您可以使用不需要正则表达式的 str.replace(old, new[, max]) 删除它们:

EachPart = EachPart.replace('[', '').replace(']', '')

见demo

【讨论】:

  • 工作正常....非常感谢。但是每个部分都作为单独的行输出。是否可以将一行中的所有部分作为单独的行输出。像第 1 行中的元素在第 1 行中一样???
  • 你的意思是在控制台的一行输出EachPart?喜欢this?
【解决方案3】:

由于您的数据是有效的 Python 数据结构,您可以使用 ast.literal_eval 读取它:

>>> import ast
>>> ast.literal_eval('''["abc","123","apple","red","<a href='link1'</a>"]''')
['abc', '123', 'apple', 'red', "<a href='link1'</a>"]

您还可以通过从第 9 个字符之后直到第 5 个字符的所有内容从字符串中切出链接:

>>> s = "<a href='link1'</a>"
>>> s[9:-5]
'link1'

把它放在一起:

with open(outfile, 'w') as output:
    with open(filename) as lines:
        for line in lines:
            values = ast.literal_eval(line)
            values[4] = values[4][9:-5]
            output.write(' '.join(values))

【讨论】:

    【解决方案4】:

    每一行可以按如下方式处理:

    >>>line = ["abc","123","apple","red","<a href='link1'>zzz</a>"]
    
    >>>' '.join([k if 'href=' not in k else k[9:-4] for k in line])
    "abc 123 apple red link1'>zzz"
    

    【讨论】:

      【解决方案5】:

      不用regex to remove []

      代码:

      import ast
      with open("check.txt") as inp:
          for line in inp:
              check=ast.literal_eval(line.strip().strip(","))        
              print " ".join(check)
      

      输出:

      abc 123 apple red <a href='link1'</a>
      abc 124 orange blue <a href='link2'</a>
      abc 125 almond black <a href='link3'</a>
      abc 126 mango pink <a href='link4'</a>
      

      但是为了只获取 href 我使用了regex的值

      代码1:

      import re
      import ast
      with open("check.txt") as inp:
          for line in inp:
              check=ast.literal_eval(line.strip().strip(",")) 
              if re.search("'([^']*?)'",check[4]):
                  check[4]=re.search("'([^']*?)'",check[4]).group(1)
              print " ".join(check)
      

      输出:

      abc 123 apple red link1
      abc 124 orange blue link2
      abc 125 almond black link3
      abc 126 mango pink link4
      

      根据您的要求

       a="<a href='link1'>zzz</a>"
       print re.search("'([^<]*?)<",a).group(1)
      

      输出:

      link1'>zzz
      

      代码2:

      import re
      import ast
      with open("check.txt") as inp:
          for line in inp:
              check=ast.literal_eval(line.strip().strip(",")) 
              if re.search("'([^<]*?)<",a):
                  check[4]=re.search("'([^<]*?)<",a).group(1)
              print " ".join(check)
      

      【讨论】:

      • 嗨 Vignesh,ast 似乎是一个很棒的模块。是否可以从每一行中删除href???我只想显示链接
      • @blackfury 你在运行code1 中的代码吗,你得到了什么输出
      • 嗨,vignesh,对不起。您的代码工作正常。但是 zzz;我的链接看起来像这样,我想要 = 和 之间的所有内容。抱歉,您的代码运行良好。输出应该是:'link1'>zzz 非常感谢。如果您能为此提供解决方案,我们将不胜感激???我会把你的标记为正确答案
      • 是的,这适用于单行......但你能修改你以前的代码来合并这个吗??
      【解决方案6】:

      在文件内容周围加上括号,你就有了一个有效的 JSON 对象:

      import json
      with open(filename) as lines:
          output = json.loads("[" + lines.read() + "]")
      

      现在您可以处理这些线条,例如移除链接周围的锚点:

      import re
      for line in output:
          line[4] = re.search(r"'([^']*)'", line[4]).group(1)
          print " ".join(line)
      

      【讨论】:

        【解决方案7】:

        这段代码呢

        from __future__ import print_function, unicode_literals
        import ast
        import io
        import re
        import traceback
        
        input_str = """["abc","123","apple","red","<a href='link1'</a>"],
        
        ["abc","124","orange","blue","<a href='link2'</a>"],
        
        ["abc","125","almond","black","<a href='link3'</a>"],
        
        ["abc","126","mango","pink","<a href='link4'</a>"]"""
        
        filelikeobj = io.StringIO(input_str)
        
        for line in filelikeobj:
            line = line.strip().rstrip(",")
            if line:
                try:
                    line_list = ast.literal_eval(line)
                except SyntaxError:
                    traceback.print_exc()
                    continue
                for li in line_list[:-1]:
                    print(li, end=" ")
        
                s = re.search("href\s*=\s*['\"](.*)['\"]", line_list[-1], re.I)
                if s:
                    print(s.group(1), end="")
                print()
        

        【讨论】:

          猜你喜欢
          • 1970-01-01
          • 2012-03-08
          • 1970-01-01
          • 1970-01-01
          • 1970-01-01
          • 2013-08-10
          • 2021-06-23
          • 2013-04-13
          相关资源
          最近更新 更多