python链一个tsv文件中的列表答案

【问题标题】：python chain a list from a tsv filepython链一个tsv文件中的列表
【发布时间】：2014-04-07 09:03:19
【问题描述】：

我有这个 tsv 文件，其中包含一些链接路径，每个链接都由“;”分隔我想使用：

在下面的示例中，我们可以设置文件中的文本是分开的我只想通读最后一列，它是以“14th”开头的路径

6a3701d319fc3754    1297740409  166    14th_century;15th_century;16th_century;Pacific_Ocean;Atlantic_Ocean;Accra;Africa;Atlantic_slave_trade;African_slave_trade    NULL
3824310e536af032    1344753412  88     14th_century;Europe;Africa;Atlantic_slave_trade;African_slave_trade  3
415612e93584d30e    1349298640  138    14th_century;Niger;Nigeria;British_Empire;Slavery;Africa;Atlantic_slave_trade;African_slave_trade

我想以某种方式将路径拆分成这样的链：

['14th_century', 'Niger', 'Nigeria'....]

我如何读取文件并删除前 3 列所以我只得到最后一列？

更新：

我现在已经试过了：

import re
with open('test.tsv') as f:
    lines = f.readlines()
for line in lines[22:len(lines)]:
    re.sub(r"^\s+", " ", line, flags = re.MULTILINE)
    e_line = line.split(' ')
    real_line = e_line[0]
    print real_line.split(';')

但问题是它没有删除前 3 列？

【问题讨论】：

标签： python line chain tsv

【解决方案1】：

如果第一个分隔符只是一个空格而不是一系列空格或制表符，您可以这样做

with open('file_name') as f:
    lines = f.readlines()
for line in lines:
    e_line = line.split(' ')
    real_line = e_line[3]
    print real_line.split(';')

【讨论】：

它给了我一个超出范围的列表索引。我尝试在 real_line 中使用 0，它完成了工作，但它没有删除前 3 个制表符分隔的列？

【解决方案2】：

回答您更新的问题。

但问题是它没有删除前 3 列？

有几个错误。

您的代码：

import re
with open('test.tsv') as f:
    lines = f.readlines()
for line in lines[22:len(lines)]:
    re.sub(r"^\s+", " ", line, flags = re.MULTILINE)
    e_line = line.split(' ')
    real_line = e_line[0]
    print real_line.split(';')

这条线什么都不做……

re.sub(r"^\s+", " ", line, flags = re.MULTILINE)

因为re.sub 函数不会更改您的line 变量，而是返回替换字符串。因此，您可能需要执行以下操作。

line = re.sub(r"^\s+", " ", line, flags = re.MULTILINE)

您的正则表达式 ^s\+ 仅匹配以空格或制表符开头的字符串。因为你使用^。但我认为您只想用一个空格替换连续的空格或制表符。那么，上面的代码将如下所示。（只需删除正则表达式中的^）

line = re.sub(r"\s+", " ", line, flags = re.MULTILINE)

现在，行中的每个字符串仅分隔一个空格。所以line.split(' ') 会按照你的意愿工作。

接下来，e_line[0] 返回e_line 的第一个元素，它是该行的第一列。但是您想跳过前 3 列并获得第 4 列。你可以这样做：

e_line = line.split(' ')
real_line = e_line[3]

好的。现在整个代码是这样的。

for line in lines:#<---I also changed here because there is no need to skip first 22 lines in your example.
    line = re.sub(r"\s+", " ", line)
    e_line = line.split(' ')
    real_line = e_line[3]
    print real_line

输出：

14th_century;15th_century;16th_century;Pacific_Ocean;Atlantic_Ocean;Accra;Africa;Atlantic_slave_trade;African_slave_trade
14th_century;Europe;Africa;Atlantic_slave_trade;African_slave_trade
14th_century;Niger;Nigeria;British_Empire;Slavery;Africa;Atlantic_slave_trade;African_slave_trade

附注：

这一行可以变得更加pythonic。

之前：

for line in lines[22:len(lines)]:

之后：

for line in lines[22:]:

而且，您不需要使用flags = re.MULTILINE，因为line 在for 循环中是单行的。

【讨论】：

【解决方案3】：

您不需要为此使用正则表达式。 csv module 也可以处理制表符分隔的文件：

import csv

filereader = csv.reader(open('test.tsv', 'rb'), delimiter='\t')
path_list = [row[3].split(';') for row in filereader]

print(path_list)

【讨论】：