Как читать числа из смешанного текстового файла в Python

У меня есть текстовый файл, который состоит из текста и чисел. Это выглядит примерно так:

> this is a paragraph which is introductory which lasts
  some more lines 

text text text

567 45 32 468
974 35 3578 4467
325 765 355 5466

text text text
1 3 6
text text>

Что мне нужно, это хранить строки, которые содержат 4 числовых элемента.

Когда я использую команду чтения, все элементы читаются и сохраняются как строки. Я не уверен, смогу ли я преобразовать числа в цифры без предварительной их фильтрации.

Буду признателен за любую помощь. Спасибо.

Всего 8 ответов


Используйте функцию splitlines ().

A=open(your file here,'r').read().splitlines()

Это будет список, и теперь вы можете извлечь все, что вам нужно. Подобно:

Req=[]
for i in A:
    elem = [s.isnumeric() for s in i.split(' ')]
    if len(elem) == 4 and all(elem):
        Req.append(i)

Читайте файл по строкам и анализируйте их. Пропустить строки с неравными 4 элементами и строки, которые не состоят из 4 целых чисел:

results = []
with open (filename) as f:
    for line in f:
        line = line.strip().split()
        if len(line) != 4:
            continue  # line has != 4 elements

        try: 
            numbers = map(int,line)
        except ValueError:
            continue # line is not all numbers

        # do something with line
        results.append(line)  # or append(list(numbers)) to add the integers

print(*results, sep="
")

печатает:

[骏', ཀྵ', ཛྷ', 騬']
[鰦', ཟ', 񠅪', 񠓣']
[馝', 魕', 馻', 񠣊']

Если вы можете предположить, что нужные вам строки будут иметь только 4 числа, тогда это решение должно работать:


nums = []
with open('filename.txt') as f:
    for line in f:
        line = line.split()
        if len(line) == 4 and all([c.isdigit() for c in line]):
            # use [float(c) for c in line] if needed
            nums.append([int(c) for c in line])

print(nums)

Итак, вы ищете подстроку, которая содержит ровно четыре целых числа, разделенных пробелом и заканчивающихся символом новой строки. Вы можете использовать регулярные выражения, чтобы найти подстроки, которые следуют этому шаблону. Допустим, вы сохранили строку в переменной s :

import re
matches = [m[0] for m in re.findall(r"((d+s){4})", s)]

Переменная match теперь содержит строки, содержащие ровно четыре целых числа. После этого вы можете разбить каждую строку и преобразовать в целые числа, если хотите:

matches = [[int(i) for i in s.split(' ')] for s in matches]

Результат:

[[567, 45, 32, 468], [974, 35, 3578, 4467], [325, 765, 355, 5466]]

Если вы знаете, как использовать модуль регулярных выражений Python, вы можете сделать это:

import re

if __name__ == '__main__':

    with open(TEST_FILE, 'r') as file_1:
        for line in file_1.readlines():

            if re.match(r'(d+s){4}', line): 
                line = line.strip() # remove 
 character
                print(line) # just lines with four numbers are printed

Результат для вашего файла пример:

567 45 32 468
974 35 3578 4467
325 765 355 5466

Для меня это звучит как задание для re модуля. Я бы сделал:

import re
with open('yourfile.txt', 'r') as f:
    txt = f.read()
lines_w_4_numbers = re.findall(r'^d+sd+sd+sd+$', txt, re.M)
print(lines_w_4_numbers)

Выход:

[骏 45 32 468', 鰦 35 3578 4467', 馝 765 355 5466']

Объяснение: флаг re.M означает ^ и $ будет соответствовать началу / концу строки, s обозначает пробел, d+ обозначает 1 или более цифр.


Использование регулярного выражения здесь будет самым мощным. Мы создаем шаблон, используя re.compile, а затем используем метод поиска или соответствия, чтобы сопоставить шаблон в строке.

import re

p = re.compile(r'[d]{4}') # d matches for single digit and {4} will look for 4 continuous occurrences.
file = open('data.txt', 'r') # Opening the file
line_with_digits = [] 
for line in file:  # reading file line by line
    if p.search(line): # searching for pattern in line
        line_with_digits.append(line.strip())  # if pattern matches adding to list

print(line_with_digits) 

Входной файл для вышеуказанной программы:

text text text

567 45 32 468
974 35 3578 4467
325 765 355 5466

text text text
1 3 6
text text

text  5566 text 45 text
text text 564 text 458 25 text

Выход:

[鰦 35 3578 4467', 馝 765 355 5466', 'text  5566 text 45 text']

Надеюсь это поможет.


Вы можете использовать регулярное выражение:

import re

result = []
with open('file_name.txt') as fp:
    for line in fp.readlines():
        if re.search(r'd{4}', line):
            result.append(line.strip())

print(result)

выход:

[鰦 35 3578 4467', 馝 765 355 5466']

Есть идеи?

10000