用于将特定行从多个文件复制到单个文件的代码（并删除部分复制的行）答案

【问题标题】：Code for coyping specific lines from multiple files to a single file (and removing part of the copied lines)用于将特定行从多个文件复制到单个文件的代码（并删除部分复制的行）
【发布时间】：2015-07-05 16:13:03
【问题描述】：

首先，我对此真的很陌生。在过去的几天里，我一直在阅读一些教程，但现在我想实现的目标碰壁了。

给你一个长版本：我在一个目录中有多个文件，所有文件都包含某些行（23-26）中的信息。现在，代码必须找到并打开所有文件（命名模式：*.tag），然后将第 23-26 行复制到一个新的单个文件中。（并在每个新条目后添加一个新行......）。（可选）它还会从我不需要的每一行中删除一个特定部分：

C12b2

-> C12b2（或类似）之前的所有内容都需要删除。

到目前为止，我已经设法将这些行从一个文件复制到一个新文件，但其余部分仍然让我无法理解：（不知道格式化是如何工作的）

f = open('2.tag')     

n = open('output.txt', 'w')

for i, text in enumerate(f):

    if i >= 23 and i < 27:

        n.write(text)

    else:

        pass

谁能给我一些建议？我不需要完整的代码作为答案，但是，似乎很难找到不跳过解释的好教程。

【问题讨论】：

除了打线你还想做什么？
我必须承认，当我第一次阅读您的问题时，我的想法是“您有使用 python 吗？”因为如果我遇到了你的问题，我可能会尝试使用 sed 进行文件操作，然后将我希望 python 处理的行通过管道传递给 python。
如果您在 *nix 类型系统上，使用 awk 实际上更容易描述您所描述的内容。
您的第二个要求：“需要删除 C12b2（或类似）之前的所有内容”需要对字符串进行进一步解释/规范。
要删除的字符串如下所示：
。它在每个新行的开头重复。

【解决方案1】：

您可以查看glob 模块，它提供了与您提供的模式匹配的文件名列表，请注意此模式不是正则表达式，它是 shell 样式的模式（使用 shell 样式的通配符）。

glob 示例 -

>>> import glob
>>> glob.glob('*.py')
['a.py', 'b.py', 'getpip.py']

然后您可以遍历 glob.glob() 函数返回的每个文件。

对于每个文件，您都可以执行您现在正在执行的操作。

然后在写文件的时候，可以用str.find()找到字符串C12b2的第一个实例，然后用slicing去掉不需要的部分。

举个例子-

>>> s = "asdbcdasdC12b2jhfasdas"
>>> s[s.find("C12b2"):]
'C12b2jhfasdas'

你可以为你的每一行做类似的事情，请注意如果用例只有一些行会有C12b2，那么你需要先检查该字符串是否存在于行中，然后再进行上述切片.示例 -

if 'C12b2' in text:
    text = text[text.find("C12b2"):]

您可以在将行写入输出文件之前执行上述操作。

另外，最好看看with 语句，你可以用它来打开文件，这样当你完成处理时它会自动处理关闭文件。

【讨论】：

感谢您的解释！关于“c12b2”部分：这只是一个例子，问题是事实上我不知道 23-26 的每一行实际上包含什么（除了我想要删除的字符串）。
您想要删除字符串之前的所有内容对吗？
这是一个示例：如果提取的（或将要提取的）行之一如下所示：
C13b2 那么我希望从每一行中删除 C13b2 前面的所有内容（始终是模式
）。但是，该模式之后的内容总是会有所不同，因此我无法在代码中事先指定。

好的，那只是我的无能；P感谢代码和解释；）

【解决方案2】：

除了os，不导入任何东西：

#!/usr/bin/env python3
import os
# set the directory, the outfile and the tag below
dr = "/path/to/directory"; out = "/path/to/newfile"; tag = ".txt"

for f in [f for f in os.listdir(dr) if f.endswith(".txt")]:
    open(out, "+a").write(("").join([l for l in open(dr+"/"+f).readlines()[22:25]])+"\n")

它的作用

和你描述的完全一样，它：

从目录中的所有文件（即：具有已定义扩展名的文件）中收集已定义的行区域
将各个部分粘贴到一个新文件中，用新行分隔

说明

[f for f in os.listdir(dr) if f.endswith(".tag")]

列出您目录中特定扩展名的所有文件，

[l for l in open(dr+"/"+f).readlines()[22:25]]

读取文件的选定行

open(out, "+a").write()

写入输出文件，如果不存在则创建它。

如何使用

将脚本复制到一个空文件中，保存为collect_lines.py
在 head 部分设置包含文件的目录、新文件的路径和扩展名
使用命令运行它：
```
python3 /path/to/collect_lines.py
```

详细版本，带解释

如果我们“解压”上面的代码，会发生这样的事情：

#!/usr/bin/env python3
import os
#--- set the path to the directory, the new file and the tag below
dr = "/path/to/directory"; out = "/path/to/newfile"; tag = ".txt"
#---

files = os.listdir(dr)
for f in files:
    if f.endswith(tag):
        # read the file as a list of lines
        content = open(dr+"/"+f).readlines()
        # the first item in a list = index 0, so line 23 is index 22
        needed_lines = content[22:25]
        # convert list to string, add a new line
        string_topaste = ("").join(needed_lines)+"\n"
        # add the lines to the new file, create the file if necessary
        open(out, "+a").write(string_topaste)

【讨论】：

感谢您的解释，即使是新手也能理解！；）代码工作得很好。现在我只需要找出如何删除正在复制到新文件中的字符串的一部分。到目前为止，我有：“pattern = '
'lines = content[22:27] clean_lines = [line.split(pattern, 1)[- 1] 用于行中行]"。但它并没有真正做任何事情。 "str.strip([chars])" 在这里可能也无济于事，因为那样我就必须在不需要的部分 (?) 之前或之后定义字符串。

@Jonnecy 你能描述一下这个模式吗？特别是C12b2 我在我的代码中有它，直到我读到：(or similar) :)

这是一个示例行：

C13b2。现在，我需要保留 c13b2（或第一个模式之后的任何内容，即我无法指定应该保留的内容），并且模式

（在输出文件中每个新行的开头重复）要删除。

@Jonnecy 我现在必须运行，将添加其他信息 :)

【解决方案3】：

您可以 realines 和 writelines 使用 a 和 b 作为要写入的行的边界：

with open('oldfile.txt', 'r') as old:
    lines = old.readlines()[a:b]

with open('newfile.txt', 'w') as new:
    new.writelines(lines)

【讨论】：

听起来很有趣！但是如果我要提取的行如下所示，我将如何实现它：“
{London, British Library, Cotton Caligula A ix, The猫头鹰和夜莺，语言 1=}
C13b2
390 262 N
{=Central Worcs=}
{=示例标记： fols. 233r-239v 第 13 行；240r 第 6-241v 第 15 行，}"。 --------> "
" 总是在新行的开头。

【解决方案4】：

使用glob package，您可以获得所有*.tag 文件的列表：

import glob
# ['1.tag', '2.tag', 'foo.tag', 'bar.tag']
tag_files = glob.glob('*.tag')

如果您使用with statement 打开文件，它会在之后自动关闭：

with open('file.tag') as in_file:
    # do something

使用readlines() 将整个文件读入行列表，然后可以对其进行切片：

lines = in_file.readlines()[22:26]

如果您需要跳过特定模式之前的所有内容，请使用str.split() 分隔模式处的字符串并取最后一部分：

pattern = 'C12b2'
clean_lines = [line.split(pattern, 1)[-1] for line in lines]

看看这个例子：

>>> lines = ['line 22', 'line 23', 'Foobar: C12b2 line 24']
>>> pattern = 'C12b2'
>>> [line.split(pattern, 1)[-1] for line in lines]
['line 22', 'line 23', ' line 24']

【讨论】：

感谢您的建议！这段代码可以按原样使用，还是我必须添加/修改任何东西？目前它在第 8 行返回一个 SyntaxError（没有第 8 行）。
您是如何尝试运行此代码的？这些 sn-ps 仍然需要放在一起：生成 *.tag 文件列表（第一个块），迭代它（for fname in tag_files:），打开文件（第二个块），读取并“清理”行（第三个和第四块）并使用writelines()将clean_lines列表保存到文件中
hm，生成所有 *.tag 文件的列表的问题在于它并没有真正使它变得容易得多，因为有几十上百个。我找到了一种提取相关行的方法；现在剩下的是从每个提取的行中删除不需要的字符串。这些字符串始终遵循相同的模式（即它们始终相同），但是，该字符串之后的任何内容都不是我可以事先指定的。它只需要找到该字符串的所有实例并将其删除。
您可以使用glob.glob('*.tag') 生成标记文件列表，无需手动工作:-) - 要删除不需要的字符串，请查看我添加到答案中的示例