使用python2脚本写入.csv文件时，多个文件中的数据附加了多余的字符（。）。

Question

我正在尝试在python2中创建一个相对简单的脚本，该脚本会通过目录中的多个.out文件进行爬网并提取一些数据。 然后将数据与标识符一起写入.csv文件。

我的问题是看似随机的'。 或“ ..”附加到数据字符串的末尾。

这是我的代码（我知道看这很可怕，对不起）：

import os
import string
import time
import sys
import csv

input = raw_input
location = input('Set directory path: ')
os.makedirs(location+'/outputs/')
print "Created output directory."
print "Waiting for archiving to finish..."
forCall = "cd "+location+" && mv *.out outputs/"
os.system(forCall)
time.sleep(1)
print "Archived output files."

newLocation = location+"/outputs/"


def checker(filein, bondlength):
    o = open("results.csv", "a")
    with open(filein) as curFile:
        for line in curFile:
            if "SCF Done:" in line:
                var = line
                var = filter(lambda x: x.isdigit() or x == '-' or x == '.', var)
                var = var[1:-2] # slices the first '-' and two trailing '.'

                bondlength = ''.join(bondlength.split())
                bondlength = bondlength[:-4] # slices .out from 'bondlength.out'
                o.write(var+';'+bondlength+'\n')
    o.close()

for filename in os.listdir(newLocation):
    fileLocation = newLocation+filename
    checker(fileLocation, filename)

datacsv = csv.reader(open('results.csv'), delimiter=";")
sortedData = sorted(datacsv, key=lambda row: row[1], reverse=False)

with open('sortedData.csv', 'wb') as csv_file:
    wr = csv.writer(csv_file, delimiter=";")
    wr.writerows(sortedData)

我感兴趣的.out文件中的行如下所示：

完成SCF：5个周期后E（RB + HF-LYP）= -107.450926197 AU

现在，我需要为每个.out文件获取E（使用任何计算方法）的值，并将其附加到具有两列的.csv文件中：一列用于能量，一列用于键长（乘以10 ^ 3，但这现在并不重要），即.out文件的名称（例如1036.out）。

任何帮助是极大的赞赏。

Answer 1

问题在于您提取数据的方法-从示例行中过滤出不是数字，破折号或点的字符将导致--107.450926197..5第一个破折号来自HF-LYP部分， --107.450926197..5 5来自5 cycles ，前两个点来自AU 。 当您将子字符串的第一个和最后一个字符切出时，将得到-107.450926197.. 。

相反，我建议是通过在字符串中找到=来找到数字，然后将所有内容都切掉直到下一个空格，例如：

var = "SCF Done: E(RB+HF-LYP) = -107.450926197 A.U. after 5 cycles"
var = var[var.find("=") + 1:].strip()  # clean out everything before the equal sign
var = var[:var.find(" ") + 1].strip()  # clean out everything after the first whitespace
# -107.450926197

或者通过在=然后在空格上分割来更不安全：

var = "SCF Done: E(RB+HF-LYP) = -107.450926197 A.U. after 5 cycles"
var = var.split("=", 1)[1].split(None, 1)[0]
# -107.450926197

或使用简单的正则表达式执行此操作：

import re

find_numbers = re.compile(r"-?[0-9]\d*(\.\d+)?")  # find any number

var = "SCF Done: E(RB+HF-LYP) = -107.450926197 A.U. after 5 cycles"
var = find_numbers.search(var).group()
# -107.450926197

您还应该考虑先加载当前结果，然后在遍历*.out文件时写入相同的列表，对列表进行排序并覆盖results.csv 。