我正在尝试将此空格分隔的文本文件转换为列和行(我想最终将其转换为 JSON)。我的脚本可能无法分隔列,主要是因为我正在寻找空格。我无法更改输入的格式(输入的文本文件)
我的文件格式有问题,这是一个非常简单的例子
col1 col2 col3 text col4
1403 bash 2014-07-28 22:32:53 UTC+0000 sudo bash
1464 bash 2014-07-28 22:32:28 UTC+0000 sudo root
当我解析文件时,我得到了破折号下方的数据:
['1403', 'bash', '2014-07-28', '22:32:53', 'UTC+0000', 'sudo', 'bash']
我希望它看起来像这样:
['1403', 'bash', '2014-07-28 22:32:53 UTC+0000', 'sudo bash']
这是一个非常基本的例子。但基本上我将标题映射到破折号下方的数据。如果您有任何帮助,请告诉我。
注意:输出不必完全如图所示,我只想能够分离 cols 数据。
到目前为止,这是我在代码中所拥有的内容,它将标头分隔为各个列:
colNames = testFile.readline()
#tempList = re.split('(\s )', colNames)
headerList = []
for i in tempList:
j = i.replace(' ','')
if j != '':
headerList.append(j)
然后我有一个循环来根据数据的位置遍历数据(这是我认为我需要找到一种更好地分离数据的方法的地方):
for line in testFile.readlines():
if rowCounter > 0:
row = line.split()
print row
for i in range(len(headerList)):
colNameDic.update({headerList[i]:row[i]})
rowDic = dict(colNameDic)
fileList.append(rowDic)
rowDic = {}
rowCounter +=1
如果标题行的列名中没有多余的空格,则可以使用slice
内置函数拆分数据行(请注意,我在标题行中添加了下划线以规范列名)
In [20]: h = 'col1 col2 col3_text col4\n'
In [21]: r = '1403 bash 2014-07-28 22:32:53 UTC+0000 sudo bash\n'
In [22]: fields = h.split()
...: ifields = [h.index(f) for f in fields]+[None]
In [23]: slices = [slice(i,j) for i, j in zip(ifields, ifields[1:])]
In [24]: tokens = [r[s] for s in slices]
In [25]: tokens
Out[25]:
['1403 ',
'bash ',
'2014-07-28 22:32:53 UTC+0000 ',
'sudo bash\n']
In [26]:
PS,您可能想要rstrip
单个项目,[r[s].rstrip() for s in slices]
。
附录
如果可以在有效的列名和垃圾之间找到一个判别式,则可以放宽无多余空格的要求......关于你的特定数据格式(没有下划线......)
In [35]: h = 'col1 col2 col3 text col4\n'
In [36]: r = '1403 bash 2014-07-28 22:32:53 UTC+0000 sudo bash\n'
In [37]: fields = [f for f in h.split() if f[:3]=='col']
In [38]: ifields = [h.index(f) for f in fields]+[None]
In [39]: slices = [slice(i,j) for i, j in zip(ifields, ifields[1:])]
In [40]: tokens = [r[s].rstrip() for s in slices]
In [41]: tokens
Out[41]: ['1403', 'bash', '2014-07-28 22:32:53 UTC+0000', 'sudo bash']
In [42]:
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句