<em>Mac</em>Book项目 2009年学校开始实施<em>Mac</em>Book项目,所有师生配备一本<em>Mac</em>Book,并同步更新了校园无线网络。学校每周进行电脑技术更新,每月发送技术支持资料,极大改变了教学及学习方式。因此2011
2021-06-01 09:32:01
我想要的文字是如圖所示,寶可夢的外貌描述文字,由於原本的資料來源結構並不是很穩定,而且也不是表格形式,因此在csdn上查了半天。
最原始的一行一行提取(不建議,未採用)
fi = open("D:python_learningdatadataAxew.txt","r",encoding="utf-8") wflag =False #寫標記 newline = [] #建立一個新的列表 for line in fi : #按行讀入檔案,此時line的type是str if "=" in line: #重置寫標記 wflag =False if "原型剖析" in line: #檢驗是否到了要寫入的內容 wflag = True continue if wflag == True: K = list(line) if len(K)>1: #去除文字中的空行 for i in K : #寫入需要內容 newline.append(i) strlist = "".join(newline) #合併列表元素 newlines = str(strlist) #list轉化成str print(newlines) """ for D in range(1,100): #刪掉句中() newlines = newlines.replace("({})".format(D),"") for P in range(0,9): #刪掉前面數值標題 for O in range(0,9): for U in range(0, 9): newlines = newlines.replace("{}.{}{}".format(P,O,U), "") fo.write(newlines) fo.close() fi.close() """
原始碼為:將提取出的txt文字儲存到另外一個txt中,跟我的需求不符合,因此註釋掉了
正規表示式提取
由於txt檔案開啟後不是資料格式,因此先轉為列表形式(一行是一個元素);再將列表元素合到一起,轉為一個元素。
re.compile函數可以建立正則函數
pattern= re.compile(r’=棲息地=n(.*?)n==’, flags=re.DOTALL)
flags=re.DOTALL 這樣找尋文字時可以跨行;
’=棲息地=n(.*?)n==’ 正規表示式表示只要小括號裡面的以‘=棲息地=n’開頭,‘n==’結尾的所有文字
pattern.findall函數可以在文字中找到符合正則函數的文字,但是莫名其妙會重複好多次,這個問題應該是我哪裡寫錯了,但是因為實在沒空糾結這個,所以直接用result=pattern.findall(f2)[0]來提取第一個。
path='D:\python_learning\data\data\'+df.iloc[0,3]+'.txt' #為迴圈做準備 import re f1=list(open(path,"r",encoding="utf-8"))#列表格式 f2="".join(f1)#合併列表元素 #print(type(f3)) pattern= re.compile(r'===棲息地===n(.*?)n==', flags=re.DOTALL)#在所有行裡找以‘===棲息地===n'開頭,‘n=='結尾的所有文字 if len(pattern.findall(f2))==0:#有可能找不到,以防報錯 result='none' else: result=pattern.findall(f2)[0] print(result)
由於我需要在已有資料集上增加上面提取到的文字資料,因此我準備先把csv資料放到Python裡變成資料框,再把資料框裡擴列,再改內容,再寫入新的csv。
參考了程式碼,這個比較亂,只看第一個import下面就行,我單純就是留個記錄:
#資料框增加列的參考 import pandas as pd df = pd.DataFrame(columns = list('abcd'),data = [[6,7,8,9],[10,11,12,13]]) #在b列前面增加一個m列 col_name = list(df.columns) col_name.insert(1,'m') df.reindex(columns = col_name,fill_value = 12) #在b列前一次性增加三列h,n,g col_name = col_name[0:2]+list('hng')+col_name[2:] df.reindex(columns = col_name,fill_value = 10) import pandas as pd df = pd.DataFrame(columns =word,data = [['Bulbasaur',7,8,9],[10,11,12,13]]) print(df) col_name = list(df.columns)#列名 print(col_name ) #在b列前面增加一個m列 col_name.insert(1,'m') print(col_name) df=df.reindex(columns =['name','概述', '外貌', '棲息地', '原型剖析'],fill_value = 12) print(df)
是之後迴圈和寫入的基礎
import pandas as pd data_name = pd.read_csv(r'D:python_learningdatabasedata.csv') #print(data_name) word=['概述','外貌','棲息地','原型剖析'] col_name = list(data_name.columns)#列名 col_name = col_name +word#新增新的列名 #print(col_name ) df=data_name.reindex(columns = col_name,fill_value =' ')#在資料框中增加四列,填充空格 print(df) #print(df.iloc[2,2])
我的資料是這樣的:
把上面的放在一起,並且把需要回圈的模組寫成函數:
# # 引入包 # In[ ]: import re import pandas as pd # # 引入基礎資料 # In[135]: data_name = pd.read_csv(r'D:python_learningdatabasedata.csv') #print(data_name) word=['概述','外貌','棲息地','原型剖析'] col_name = list(data_name.columns)#列名 col_name = col_name +word#新增新的列名 #print(col_name ) df=data_name.reindex(columns = col_name,fill_value =' ')#在資料框中增加四列,填充空格 #print(df) #print(df.iloc[2,2]) # # 引入函數 # In[ ]: #去除空行函數 def deletespace(path1,path2): with open(path1,'r',encoding = 'utf-8') as fr,open(path2,'w',encoding = 'utf-8') as fd: for text in fr.readlines(): if text.split(): fd.write(text) print('輸出成功....') fr.close() fd.close() # In[143]: #正則找文字 def find(path,conversion): f1=list(open(path,"r",encoding="utf-8"))#列表格式 f2="".join(f1)#合併列表元素 #print(type(f3)) pattern= re.compile(conversion, flags=re.DOTALL)#在所有行裡找以‘===棲息地===n'開頭,‘n=='結尾的所有文字 if len(pattern.findall(f2))==0:#有可能找不到,以防報錯 result='none' else: result=pattern.findall(f2)[0] return result # # 起始準備 把所有空行消除,不需要執行第二遍 # In[ ]: data_name = pd.read_csv(r'D:python_learningdatabasedata.csv') for word in df.iloc[:,3]: path1='D:\python_learning\data\data\'+word+'.txt'#爬蟲獲取的資料 path2='D:\python_learning\data\description\'+word+'.txt' deletespace(path1,path2) # # 開始迴圈 # In[ ]: word=['概述','外貌','棲息地','原型剖析']#根據文字中情況進行正則 conversion=['==概述==n(.*?)==','===外貌===n(.*?)==','===棲息地===n(.*?)==','==原型剖析==n(.*?)==']#正則文字 word1=col_name[7] print(word1) newlines=seek(path,word1) print(newlines) # In[145]: print(len(df)) print(len(list(df.columns))) # In[150]: for i in range(len(df)): for j in range(6,len(list(df.columns))): path='D:\python_learning\data\description\'+df.iloc[i,3]+'.txt' k=j-6 cword=conversion[k] result=find(path,cword) df.iloc[i,j]=result # In[152]: df.to_csv('df.csv',encoding ='utf_8_sig')#輸出中文必須用這個utf_8_sig 編碼才是中文 print("已輸出檔案") #出現問題,很多匹配不到,發現是原始文字的原因
總之我文字描述的準備是差不多了。
到此這篇關於如何利用python批次提取txt文字中所需文字並寫入excel的文章就介紹到這了,更多相關python批次提取txt文字寫入excel內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com!
相關文章
<em>Mac</em>Book项目 2009年学校开始实施<em>Mac</em>Book项目,所有师生配备一本<em>Mac</em>Book,并同步更新了校园无线网络。学校每周进行电脑技术更新,每月发送技术支持资料,极大改变了教学及学习方式。因此2011
2021-06-01 09:32:01
综合看Anker超能充系列的性价比很高,并且与不仅和iPhone12/苹果<em>Mac</em>Book很配,而且适合多设备充电需求的日常使用或差旅场景,不管是安卓还是Switch同样也能用得上它,希望这次分享能给准备购入充电器的小伙伴们有所
2021-06-01 09:31:42
除了L4WUDU与吴亦凡已经多次共事,成为了明面上的厂牌成员,吴亦凡还曾带领20XXCLUB全队参加2020年的一场音乐节,这也是20XXCLUB首次全员合照,王嗣尧Turbo、陈彦希Regi、<em>Mac</em> Ova Seas、林渝植等人全部出场。然而让
2021-06-01 09:31:34
目前应用IPFS的机构:1 谷歌<em>浏览器</em>支持IPFS分布式协议 2 万维网 (历史档案博物馆)数据库 3 火狐<em>浏览器</em>支持 IPFS分布式协议 4 EOS 等数字货币数据存储 5 美国国会图书馆,历史资料永久保存在 IPFS 6 加
2021-06-01 09:31:24
开拓者的车机是兼容苹果和<em>安卓</em>,虽然我不怎么用,但确实兼顾了我家人的很多需求:副驾的门板还配有解锁开关,有的时候老婆开车,下车的时候偶尔会忘记解锁,我在副驾驶可以自己开门:第二排设计很好,不仅配置了一个很大的
2021-06-01 09:30:48
不仅是<em>安卓</em>手机,苹果手机的降价力度也是前所未有了,iPhone12也“跳水价”了,发布价是6799元,如今已经跌至5308元,降价幅度超过1400元,最新定价确认了。iPhone12是苹果首款5G手机,同时也是全球首款5nm芯片的智能机,它
2021-06-01 09:30:45