使用python将文本文件解析为列表答案

【问题标题】：parsing a text file into lists with python使用python将文本文件解析为列表
【发布时间】：2019-12-02 19:33:34
【问题描述】：

所以我有一个生成的文本文件，我想将其解析为几个日期列表。我已经弄清楚每个“组”何时有一个日期，但我意识到我可能必须处理每个组的多个日期值。我的 .txt 文件如下所示：

DateGroup1
20191129
20191127
20191126
DateGroup2
20191129
20191127
20191126
DateGroup3
2019-12-02
DateGroup4
2019-11-27
DateGroup5
2019-11-27

理想情况下，我可以将其解析为 5 个列表，其中包括每个组的日期。我好难过

【问题讨论】：

请显示您的代码尝试并清楚地显示您需要的所需输出。不幸的是，“我很难过”不是我们可以解决的问题。见How to Ask。

标签： python parsing

【解决方案1】：

只需遍历每一行，检查用于分组数据、删除换行符并存储每个新日期的密钥。

DATE_GROUP_SEPARATOR = 'DateGroup'
sorted_data = {}

with open('test.txt') as file:
    last_group = None
    for line in file.readlines():
        line = line.replace('\n', '')
        if DATE_GROUP_SEPARATOR in line:
            sorted_data[line] = []
            last_group = line
        else:
            sorted_data[last_group].append(line)

for date_group, dates in sorted_data.items():
    print(f"{date_group}: {dates}")

【讨论】：

【解决方案2】：

这是一个您可以构建的示例，每次它读取一个字符串而不是一个数字时，它都会创建一个新列表并将所有日期放在该组下

import os

#read file
lineList = 0
with open("test.txt") as f:
  lineList = f.readlines()

#make new list to hold variables
lists = []

#loop through and check for numbers and strings
y=-1
for x in range(len(lineList)):
    #check if it is a number or a string
    if(lineList[x][0] is not None and not lineList[x][0].isdigit()):
        #if it is a string make a new list and push back the name
        lists.append([lineList[x]])
        y+=1
    else:
        #if it is the number append it to the current list
        lists[y].append(lineList[x])

#print the lists
for x in lists:
    print(x)

【讨论】：

【解决方案3】：

首先阅读整个文本文件。然后您可以计算“DateGroup”的出现次数，这似乎是您的日期组分离中的常数部分。然后，您可以通过遍历任意两个“DateGroup”标识符之间或一个“DateGroup”标识符和文件末尾之间的所有数据来解析文件。尝试理解以下代码并在此基础上构建您的应用程序：

file = open("dates.txt")
text = file.read()
file.close()

amountGroups = text.count("DateGroup")

list = []

index = 0
i = 0
for i in range(amountGroups):
    list.append([])

    index = text.find("DateGroup", index)
    index = text.find("\n", index) + 1
    indexEnd = text.find("DateGroup", index)
    if(indexEnd == -1):
        indexEnd = len(text)
    while(index < indexEnd):
        indexNewline = text.find("\n", index)
        list[i].append(text[index:indexNewline])
        index = indexNewline + 1

print(list)

【讨论】：

【解决方案4】：

这第一部分只是为了展示如何处理带有数据的字符串，就好像它来自文件一样。如果您不想生成 OP 的实际文件但想在编辑器中明显地导入数据，这会有所帮助。

import sys
from io import StringIO  # allows treating some lines in editor as if they were from a file)

dat=StringIO("""DateGroup1
20191129
20191127
20191126
DateGroup2
20191129
20191127
20191126
DateGroup3
2019-12-02
DateGroup4
2019-11-27
DateGroup5
2019-11-27""")

lines=[ l.strip() for l in dat.readlines()]    
print(lines)

输出：

   ['DateGroup1', '20191129', '20191127', '20191126', 'DateGroup2', '20191129', '20191127', '20191126', 'DateGroup3', '2019-12-02', 'DateGroup4', '2019-11-27', 'DateGroup5', '2019-11-27']

现在一种可能的方式来生成您想要的列表列表，同时确保涵盖两种可能的日期格式：

from datetime import datetime
b=[]
for i,line in enumerate(lines):
    try:             # try first dateformat
        do = datetime.strptime(line, '%Y%m%d')
        a.append(datetime.strftime(do,'%Y-%m-%d'))
    except:
        try:         # try second dateformat
            do=datetime.strptime(line,'%Y-%m-%d')
            a.append(datetime.strftime(do,'%Y-%m-%d'))
        except:       # if neither date, append old list to list of lists  & make a new list
            if a!=None:
                b.append(a)
            a=[]
    if i==len(lines)-1:
        b.append(a)

b

输出：

 [['2019-11-27'],
 ['2019-11-29', '2019-11-27', '2019-11-26'],
 ['2019-11-29', '2019-11-27', '2019-11-26'],
 ['2019-12-02'],
 ['2019-11-27'],
 ['2019-11-27']]

【讨论】：

【解决方案5】：

TTP 也可以帮助解析此文本，这里是示例模板以及如何运行它的代码：

from ttp import ttp

data_to_parse = """
DateGroup1
20191129
20191127
20191126
DateGroup2
20191129
20191127
20191126
DateGroup3
2019-12-02
DateGroup4
2019-11-27
DateGroup5
2019-11-27
"""

ttp_template = """
<group name="date_groups.date_group{{ id }}">
DateGroup{{ id }}
{{ dates | to_list | joinmatches() }}
</group>
"""

parser = ttp(data=data_to_parse, template=ttp_template)
parser.parse()
print(parser.result(format="json")[0])

上面的代码会产生这个输出：

[
    {
        "date_groups": {
            "date_group1": {
                "dates": [
                    "20191129",
                    "20191127",
                    "20191126"
                ]
            },
            "date_group2": {
                "dates": [
                    "20191129",
                    "20191127",
                    "20191126"
                ]
            },
            "date_group3": {
                "dates": [
                    "2019-12-02"
                ]
            },
            "date_group4": {
                "dates": [
                    "2019-11-27"
                ]
            },
            "date_group5": {
                "dates": [
                    "2019-11-27"
                ]
            }
        }
    }
]

【讨论】：