Python：如何从具有混合内容的文本文件中提取浮点数？答案

【问题标题】：Python: How to extract floating point numbers from a text file with mixed content?Python：如何从具有混合内容的文本文件中提取浮点数？
【发布时间】：2012-06-19 02:26:02
【问题描述】：

我有一个制表符分隔的文本文件，其中包含以下数据：

    ahi1
    b/se
ahi 
test    -2.435953
        1.218364
    ahi2
    b/se
ahi 
test    -2.001858
        1.303935

我想将两个浮点数提取到一个包含两列的单独 csv 文件中，即。

-2.435953 1.218264

-2.001858 1.303935

目前我的黑客尝试是：

 import csv
 from itertools import islice
 results = csv.reader(open('test', 'r'), delimiter="\n")

 list(islice(results,3))
 print results.next()
 print results.next()
 list(islice(results,3))
 print results.next()
 print results.next()

这并不理想。我是 Python 的菜鸟，所以我提前道歉并感谢您的宝贵时间。

【问题讨论】：

请注意，在您使用这些值的地方，一种稍微更有效的方法（避免构建列表）是执行next(islice(iterator, n, n), None) - 取自itertools docs 中的consume() 配方。

标签： python floating-point csv

【解决方案1】：

这是完成这项工作的代码：

import re

# this is the same data just copy/pasted from your question
data = """    ahi1
    b/se
ahi 
test    -2.435953
        1.218364
    ahi2
    b/se
ahi 
test    -2.001858
        1.303935"""

# what we're gonna do, is search through it line-by-line
# and parse out the numbers, using regular expressions

# what this basically does is, look for any number of characters
# that aren't digits or '-' [^-\d]  ^ means NOT
# then look for 0 or 1 dashes ('-') followed by one or more decimals
# and a dot and decimals again: [\-]{0,1}\d+\.\d+
# and then the same as first..
pattern = re.compile(r"[^-\d]*([\-]{0,1}\d+\.\d+)[^-\d]*")

results = []
for line in data.split("\n"):
    match = pattern.match(line)
    if match:
        results.append(match.groups()[0])

pairs = []
i = 0
end = len(results)
while i < end - 1:
    pairs.append((results[i], results[i+1]))
    i += 2

for p in pairs:
    print "%s, %s" % (p[0], p[1])

输出：

>>>
-2.435953, 1.218364
-2.001858, 1.303935

您可以将它们保存在一个列表中，然后将它们压缩在一起，而不是打印出来。我正在使用python regular expression framework 来解析文本。如果您还不知道，我只能建议您选择正则表达式。我发现解析文本和各种机器生成的输出文件非常有用。

编辑：

哦，顺便说一句，如果您担心性能，我在我的慢速旧 2ghz IBM T60 笔记本电脑上进行了测试，我可以使用正则表达式在大约 200 毫秒内解析一兆字节。

更新：我觉得很好，所以我为你做了最后一步：P

【讨论】：

谢谢！了不起的努力，它可以像上面一样完美地工作，并且稍微修改一下它甚至可以与我的原始文件一起使用（我提到我是一个菜鸟，不是吗？）。我也会完全检查正则表达式的东西，谢谢你的建议。
请注意，您可以使用列表理解来简化此操作。 matches = (pattern.match(line) for line in data.split("\n"))results = [match.group(0) for match in matches if match] 用于第一个列表构造。其次，您应该查看 itertools grouper() 配方。
谢谢 Lattyware，我会试试的。我不确定我是否遵循了您上面的评论，但我也会尝试理解这一点。再次感谢。

【解决方案2】：

也许这会有所帮助

zip(*[results]*5)

例如

import csv
from itertools import izip
results = csv.reader(open('test', 'r'), delimiter="\t")
for result1, result2 in (x[3:5] for x in izip(*[results]*5)):
    ... # do something with the result

【讨论】：

感谢您考虑我的问题并及时回答。我是 python 和编程的新手，所以不幸的是我还不能让它工作，但我会......最终！谢谢

【解决方案3】：

足够棘手但更有说服力和顺序的解决方案：

$ grep -v "ahi" myFileName | grep -v se | tr -d "test\" " | awk 'NR%2{printf $0", ";next;}1'
-2.435953, 1.218364
-2.001858, 1.303935

它是如何工作的：基本上删除特定的文本行，然后删除行中不需要的文本，然后每隔一行加入格式。我只是为了美化目的添加了逗号。如果不需要，请在 awks printf ", " 中留下逗号。

【讨论】：