使用Python ()将文本文件转换为列表，同时还将一些行组合为列表中的单个项
我正在努力将最初用于VBA应用程序的文本文件转换为新Python应用程序的字符串列表。每个文本文件在带有多个字符串的单独行上都有“向量”，但为了简单起见，我只是给每个文本文件一个字符串。我遇到的问题是，由于Excel/VBA的行字符限制，向量占用多行。以下是一个例子：
向量(1)=“这是第一个只需要1行的向量！”
向量(2)=“这是，的一些内容--向量2的文本，但是它还在继续！”
向量(2)=向量(2)&“这是向量2文本的延续！”
向量(3)=“这是一个只有一行的新向量！”
我试图做的是迭代由splitlines()创建的列表，创建一个新的列表，通过回顾前面的行，看看它是否具有相同的“向量(X)”标签，然后在添加到最终列表之前连接字符串。但是，它随后将未完成的字符串和连接的字符串添加到列表中。下面是我使用的代码：
import os
import re
Lines = open(doc).read().splitlines()
New_Lines = []
previous_label = 0
vector_label = 0
previous_contents = 0
vector_contents = 0
for z, vector_check in enumerate(Lines, 1):
if vector_check.startswith("vector"):
v_split = re.split(r"=", vector_check)
previous_label = vector_label
vector_label = v_split[0]
previous_contents = vector_contents
vector_contents = v_split[1]
else :
continue
# print(vector_label)
if previous_label != vector_label:
repeat = 0
New_Lines.append(vector_contents)
else :
repeat += 1
vec_split_2 = re.split(r"&", v_split[1])
vector_contents = previous_contents[:-1] + " " + vec_split_2[1][2:]
New_Lines.append(vector_contents)
print(vector_contents)
continue
i = 1
for obj in New_Lines:
print("vector_CRS(" + str(i) + ")=" + obj)
i += 1给出了结果：
vector_CRS(1)=“这是只需一行的第一个向量！”
Vector_CRS(2)=“这是，向量2的一些文本，但是它还在继续！”
Vector_CRS(3)=“这是，向量2的一些文本，但是它还在继续！这是向量2文本的延续！”
vector_CRS(4)=“这是一个只有一行的新向量！”
我也尝试过在列表中进行展望(这就是枚举存在的原因)，但结果比这些更糟糕。这是一个更大的脚本的“拼图”的最后一块，尽管它感觉很简单，好像我错过了一个简单的答案，但我花了几个小时来修复这个部分。
回答 1
Stack Overflow用户
发布于 2021-01-13 16:21:24
如果您有一个文本文件vectors.txt，它如下所示：
vector(1)="This is the first vector that only takes 1 line!"
vector(2)="This is some of the text for vector 2 but it continues!"
vector(2)= vector(2) & "This is the continuation of the text for vector 2!"
vector(3)= "This is a new vector with only a single line!"您可以使用itertools.groupby根据向量的数字对其进行分组，使用正则表达式。然后，使用另一个正则表达式，将组中每个向量的所有内容合并：
def main():
with open("vectors.txt", "r") as file:
lines = file.read().splitlines()
def merge_vectors(lines):
from itertools import groupby
import re
for _, group in groupby(lines, key=lambda line: re.match(r"vector\((\d+)\)", line).group(1)):
yield " ".join(re.search("\"(.+)\"", item).group(1) for item in group)
print(list(merge_vectors(lines)))
return 0
if __name__ == "__main__":
import sys
sys.exit(main())输出：
['This is the first vector that only takes 1 line!', 'This is some of the text for vector 2 but it continues! This is the continuation of the text for vector 2!', 'This is a new vector with only a single line!']
>>> 这假设vectors.txt文件中的行已经按照向量数分组在一起。例如，它假定您不能拥有以下内容：
vector(1)="Part of one"
vector(2)="Part of two"
vector(1)= vector(1) & "Also part of one"编辑-我看了一下你的repl.it中的文本文件。我对regex模式和代码做了一些更改--我只是做了几个更明确的步骤。现在的模式比较宽松，例如，像vector(2)= vector(2) & ""这样的东西将不再抛出异常，但是由于双引号之间没有内容，所以它将被忽略。不以双引号结尾的行也会被处理。所有的行在被处理之前都会被过滤，所以只包含以vector_CRS(...)开头的行，所以您不再需要手动跳过前五行了。
def main():
import re
line_pattern = r"vector_CRS\((?P<vector_number>\d+)\)"
content_pattern = "\"(?P<content>.*)\"?"
def is_vector_line(line):
return re.match(line_pattern, line) is not None
with open("vectors.txt", "r") as file:
lines = list(map(str.strip, filter(is_vector_line, file)))
def merge_vectors(lines):
from itertools import groupby
def key(line):
return re.match(line_pattern, line).group("vector_number")
def get_content(item):
return re.search(content_pattern, item).group("content")
for _, group in groupby(lines, key=key):
yield " ".join(filter(None, map(get_content, group)))
merged = list(merge_vectors(lines))
return 0
if __name__ == "__main__":
import sys
sys.exit(main())https://stackoverflow.com/questions/65705113
复制相似问题
腾讯云开发者
