在python中格式化文本文件

Question

樣本文本文件：

["abc","123","apple","red","<a href='link1'>zzz</a>"],

["abc","124","orange","blue","<a href='link1'>zzz</a>"],

["abc","125","almond","black","<a href='link1'>zzz</a>"],

["abc","126","mango","pink","<a href='link1'>zzz</a>"]

預期產量：

abc 123 apple red 'link1'>zzz

abc 124 orange blue 'link1'>zzz

abc 125 almond black 'link1'>zzz

abc 126 mango pink 'link1'>zzz

我只希望文件沒有花括號，用空格隔開的逗號，並且僅獲取該行中最后一個元素的鏈接。

我嘗試在Python中使用列表。

我不知道該如何進行。 猜猜，我在某處出錯。 幫助將不勝感激。 提前致謝 ：）

import sys
import re

Lines = [Line.strip() for Line in open (sys.argv[1],'r').readlines()]



for EachLine in Lines:
    Parts = EachLine.split(",")
    for EachPart in Parts:

        EachPart = re.sub(r'[', '', EachPart)
        EachPart = re.sub(r']', '', EachPart)

Answer 1

如果您打算使用正則表達式刪除[和] ，則需要對方括號進行轉義以將其作為文字符號進行匹配。 它們是表示字符類邊界的“特殊”正則表達式字符，因此需要特殊對待。

這是一個正則表達式替換示例：

EachPart = re.sub(r'[\[\]]', '', EachPart)

觀看演示

但是，您可以使用不需要正則表達式的str.replace(old, new[, max])刪除它們：

EachPart = EachPart.replace('[', '').replace(']', '')

觀看演示

Answer 2

可以使用以下腳本完成此操作：

import csv
import re

with open('input.txt', 'r') as f_input, open('output.txt', 'w') as f_output:
    csv_input = csv.reader(f_input, delimiter='"')
    for cols in csv_input:
        if cols:
            cols = [x for x in cols[1:-1:2]]
            link = re.search(r"('.*?)<", cols[-1])
            if link:
                cols[-1] = link.group(1)

            f_output.write('{}\n'.format(' '.join(cols)))

這將為您提供包含以下內容的output.txt ：

abc 123 apple red 'link1'>zzz
abc 124 orange blue 'link1'>zzz
abc 125 almond black 'link1'>zzz
abc 126 mango pink 'link1'>zzz

更新 -此代碼的簡化版本在repl.it上運行，以顯示正確的輸出。 輸入來自字符串，並顯示輸出。 只需單擊Run按鈕。

更新 -更新以跳過空白行

Answer 3

無需使用regex to remove []

碼：

import ast
with open("check.txt") as inp:
    for line in inp:
        check=ast.literal_eval(line.strip().strip(","))        
        print " ".join(check)

輸出：

abc 123 apple red <a href='link1'</a>
abc 124 orange blue <a href='link2'</a>
abc 125 almond black <a href='link3'</a>
abc 126 mango pink <a href='link4'</a>

但是為了只獲得href的價值，我使用了regex

代碼1：

import re
import ast
with open("check.txt") as inp:
    for line in inp:
        check=ast.literal_eval(line.strip().strip(",")) 
        if re.search("'([^']*?)'",check[4]):
            check[4]=re.search("'([^']*?)'",check[4]).group(1)
        print " ".join(check)

輸出：

abc 123 apple red link1
abc 124 orange blue link2
abc 125 almond black link3
abc 126 mango pink link4

根據您的要求

 a="<a href='link1'>zzz</a>"
 print re.search("'([^<]*?)<",a).group(1)

輸出：

link1'>zzz

代碼2：

import re
import ast
with open("check.txt") as inp:
    for line in inp:
        check=ast.literal_eval(line.strip().strip(",")) 
        if re.search("'([^<]*?)<",a):
            check[4]=re.search("'([^<]*?)<",a).group(1)
        print " ".join(check)

Answer 4

由於您的數據是有效的python數據結構，因此可以使用ast.literal_eval進行ast.literal_eval ：

>>> import ast
>>> ast.literal_eval('''["abc","123","apple","red","<a href='link1'</a>"]''')
['abc', '123', 'apple', 'red', "<a href='link1'</a>"]

您還可以通過將第9個字符之后到第5個字符之間的所有內容取為字符串，從而將鏈接從字符串中切出：

>>> s = "<a href='link1'</a>"
>>> s[9:-5]
'link1'

把它放在一起：

with open(outfile, 'w') as output:
    with open(filename) as lines:
        for line in lines:
            values = ast.literal_eval(line)
            values[4] = values[4][9:-5]
            output.write(' '.join(values))

Answer 5

每行可以按以下方式處理：

>>>line = ["abc","123","apple","red","<a href='link1'>zzz</a>"]

>>>' '.join([k if 'href=' not in k else k[9:-4] for k in line])
"abc 123 apple red link1'>zzz"

Answer 6

在文件內容周圍添加方括號，您將擁有一個有效的JSON對象：

import json
with open(filename) as lines:
    output = json.loads("[" + lines.read() + "]")

現在，您可以處理線條，例如，刪除鏈接周圍的錨點：

import re
for line in output:
    line[4] = re.search(r"'([^']*)'", line[4]).group(1)
    print " ".join(line)

Answer 7

那這段代碼呢

from __future__ import print_function, unicode_literals
import ast
import io
import re
import traceback

input_str = """["abc","123","apple","red","<a href='link1'</a>"],

["abc","124","orange","blue","<a href='link2'</a>"],

["abc","125","almond","black","<a href='link3'</a>"],

["abc","126","mango","pink","<a href='link4'</a>"]"""

filelikeobj = io.StringIO(input_str)

for line in filelikeobj:
    line = line.strip().rstrip(",")
    if line:
        try:
            line_list = ast.literal_eval(line)
        except SyntaxError:
            traceback.print_exc()
            continue
        for li in line_list[:-1]:
            print(li, end=" ")

        s = re.search("href\s*=\s*['\"](.*)['\"]", line_list[-1], re.I)
        if s:
            print(s.group(1), end="")
        print()