【问题标题】：Counting the number of spaces between words in a file using python?使用python计算文件中单词之间的空格数？
【发布时间】：2013-03-13 02:35:13
【问题描述】：

我真的很接近。我通读了“number of space between each word”，它确实提供了这一行：

counts = [(len(list(cpart))) for c,cpart in groupby(s) if c == ' ']

但我真的不明白......我明白，或者我假设，C 是分隔符，S 是你分组的依据，你正在放置结果列表？（python 的新手，数组?) 计入计数（S 指的是先前实例化的变量）

我如何确定这样的事情？

                                                  AMOUNT       DATE       
   NAME          ACCOUNT#         DISCOUNT         DUE         DUE

我正在创建一个程序，它允许我查看随机创建的 COBOL 输出文件头并使用它来创建 PIC(X) 的关联。

示例解决方案输出为：

PIC X(30) 值空间。
PIC X(6) 值“金额”。
PIC X(8) 值空间。
PIC X(4) 值“日期”。

重要的部分是数字。我可以很明显地确定字符串的长度，但是我不确定如何......

这是我到目前为止所展示的，我正在工作，哈哈：

from itertools import groupby
from test.test_iterlen import len
from macpath import split
from lib2to3.fixer_util import String

file = open("C:\\Users\\Joshua\\Desktop\\Practice\\cobol.cbl", 'r+')

line1 = file.readline()
split = line1.split()
print (split)
print ()

counts = [(len(list(cpart))) for c,cpart in groupby(split) if c == ' ']

print (counts)


index = 0
while index != split.__len__():
    if split[index].strip() != None:
        print ("PICX(" + ") VALUE " + "\"" + split[index] + "\".")
    elif counts[index] == None:
        print ("PICX(" + ") VALUE " + "\"" + split[index] + "\".") 
    index+=1

【问题讨论】：

这是我到目前为止所得到的，以表明我正在工作，哈哈
几个编码cmets：不要用s.__len__()，改用len(s)；不要使用a == None 或a != None，使用if a is None 或a is not None。

标签： python parsing file-io delimiter cobol

【解决方案1】：

我将首先解释第一行：

counts = [(len(list(cpart))) for c,cpart in groupby(s) if c == ' ']

s 实际上是输入字符串。因此，要运行它，您可以从以下开始：

s = "   NAME          ACCOUNT#         DISCOUNT         DUE         DUE"

groupby(s) 返回元组的迭代器。该元组中的第一个值是输入字符串中的字符，第二个值是另一个（嵌套）迭代器，它将遍历字符的重复值。输入list 表单（用于说明）它看起来像这样：

groupby("hello!!!")
[('h', ['h']), ('e', ['e']), ('l', ['l', 'l']), ('o', ['o']), ('!', ['!', '!', '!'])]

所以，c 不是分隔符，而是保存字符串s 中每个字符的变量，cpart 是遍历c 的所有连续值的迭代器。一旦您调用len(cpart)，它就会给出[c,c,c,...] 的列表（每个项目都是相同的！），该列表的长度是字符c 重复的次数。通常它只会是一个。例如，对于 'NAME' 中的 'A'，您将获得 c == A 和 list(cpart) == ['A']。但是对于NAME 和ACCOUNT# 之间的空格，您将得到c == ' ' 和cpart == [' ',' ',' ',' ',' ',' ',' ',' ',' ',' ']。

括号[] 内的整个内容意味着它生成一个列表，就好像您在for 循环中附加到一个列表一样，每个项目的值是for 之前的表达式。在这里，len(list(cpart)) 计算了一个字符重复实例列表的长度。因此，它将是一个包含字符重复次数的列表。 if c == ' ' 表示仅当该字符为空格时才会将项目添加到列表中。

以上将计算空格。要计算单词（例如，要获得 PIC X(6) VALUE "AMOUNT"），您可以简单地执行以下操作：

word_counts = [ len(word) for word in s.split() ]

其中split（您已经使用过）返回一个单词列表，这些单词之前是一个由空格分隔的字符串。

【讨论】：

你是天赐之物。这肯定有帮助，但现在我正在努力使用 readline()。因为它不是字符串？我想我首先必须将 readline() 变量转换为字符串，然后再将其放入 groupby
@HarmJosh，你用的是什么版本的python？ readline() 应该返回一个字符串。

【解决方案2】：

这样分解输出并没有什么特别的意义。你可以：

     05  FILLER (optional) PIC X(width-of-report) VALUE
     "                              AMOUNT        DATE             "(in column 72)
-                         ".

“-”在第 7 列，表示字母数字文字的延续，不需要开引号，但需要闭引号。

您的创建过程非常简单。您总是输出这三行，您所要做的就是将您的数据“切”成 59 个字节（第二行）和“其余”（不知道您的报告宽度）用于第三行。

【讨论】：