Python:合并文本文件的行并跳过某些记录

Question

我有一个如下所示的输入文件(请注意文件中可能没有空行。)

11111*作者姓名

22222*日期

11111 01 Var-1

11111 02 Var-2

11111 02 Var-3

将使用的规则：

• ，如果星号(*)出现在记录的第6位，那么跳过记录。
• 前6字节是序列号，也可以是空格。然而，前六个字节--无论是空格还是数字--都可以忽略。
• 只组合在位置#6不存在星号的记录。
• 只考虑从输入文件中的位置7开始到第72位置的数据。
• 添加逗号，如下所示：

预期产出01，Var-1,02，Var-2,02，Var-3

下面是我试图打印记录的代码。但是，我无法在每个文本之后得到逗号(，)。有些以空格作为前缀。有人能帮忙吗？

with open("D:/Desktop/Files/Myfile.txt","r") as file_in:
    for lines in file_in:
        if "*" not in lines:
            lines_new = " ".join(lines.split())
            lines_fin = lines_new.replace(' ',',')
            print(lines_fin,end=' ')

Answer 1

假设你只想一个接一个地打印它们(它们仍然是分开的)

with open("D:/Desktop/Files/Myfile.txt","r") as file_in:
    for line in file_in:
        if line == "\n": # skip empty lines
            continue 
        if line[5] == "*": #skip if asterix at 6th position
            continue
        line = line.strip() # remove trailing and starting whitespace
        line = line.replace(' ', ',') # replace remaining spaces with commas
        print(line, ',') 

如果你只想把它们全部结合起来，那么更好的方法是：

with open("D:/Desktop/Files/Myfile.txt","r") as f:
    all_lines = f.readlines()

all_lines = [line.strip().replace(" ",",") for line in all_lines if line != "\n" and line[5] != "*"]
all_lines = ",".join(all_lines)

我还没有测试过这个，所以可能有排字！

Answer 2

我将使用Python的路径库，因为它具有一些处理路径和读取文本文件的有用功能。

要将项连接在一起，可以将想要加入的项放到Python中，然后在列表上使用join方法。

我还改变了您如何分割数据的逻辑。当一行被保留时，行总是被删除的前6个字符，这样这些字符就可以被分割掉。如果您首先这样做，它会使空白上的分隔更加清晰，因为您得到了您正在寻找的两个项目。

如果数据长度超过72个字符，似乎需要截断它，所以我将数据行限制为72个字符。

这就是我的测试代码的样子：

from pathlib import Path

data_file = Path("D:/Desktop/Files/Myfile.txt")
field_size = 72


def combine_file_contents(filename):
    combined_data = []
    for line in filename.read_text().splitlines():
        if line and line[5] != "*":
            combined_data.extend(line[6:field_size].split())
    return ','.join(combined_data)


if __name__ == '__main__':
    expected_output = "01,Var-1,02,Var-2,02,Var-3"
    output_data = combine_file_contents(data_file)
    print("New Output:     ", output_data)
    print("Expected Output:", expected_output)
    assert output_data == expected_output

当我使用问题中的测试数据运行时，这给出了以下输出：

New Output:      01,Var-1,02,Var-2,02,Var-3
Expected Output: 01,Var-1,02,Var-2,02,Var-3

Answer 3

我认为regex解决方案很优雅

您需要处理数据长度为72的限制，但这不应该是一个问题。

import re

pattern = r'[\s\d]{6}(.+)'
out = []
with open('combinestrings.txt', 'r') as infile:
    for line in infile:
        result = re.findall(pattern, line)
        if result:
            out.append(','.join(result[0].split(' ')))
    print(','.join(out))

产出：

01,Var-1,02,Var-2,02,Var-3