Как получить значения в каждом столбце?

Question

У меня есть текстовый файл с колонками. Я хочу, чтобы извлечь данные в колонке «С»

A   B    C 
    2013  colombo   sri lanka  
    2012  Tokyo   Japan 

flolowing код, который я использовал для поиска данных.

f = open('log.txt','r') 
data = f.read() 
import re 

#print data 

def find(pat,text): 
     match = re.search(pat,text) 
     if match: print match.group() 
     else: print 'not found!' 

x = re.findall(r'\w+:',data) 
print x 

Answer 1

with open('file.txt') as filehandler: 
    for line in filehandler: 
     print line.split(maxsplit=2)[2] 

использование .split("\t") если поля разделяются вкладкой

Дополнительно к Кос ответа, вы можете разделить с помощью регулярного выражения. Вы можете попробовать расщепить слова, разделенные не более чем одним пространством:

with open('file.txt') as filehandler: 
    for line in filehandler: 
     groups = re.compile(r'((?:\w+\s?)+)').split(line) 
     print groups[1], groups[3], groups[5] 

Answer 2

Ваша проблема не указана, но я могу попытаться угадать. Учитывая «Шри-Ланку» в столбце C, вы не можете просто разбить на пробелы. И если вы аккуратно ввели его, вы не используете вкладки.

Таким образом, каждый столбец начинается в определенном положении в строке: столбец A [3:12], столбец B [12:28], столбец C - [28:]. В этом случае:

[line[29:] for line in data.splitlines()[1:]] 

Другая возможность заключается в том, что вы хотите разделить на любом пробеге более 1 пространства, а не только на пространствах. В этом случае:

[filter(None, line.split(' '))[2] for line in data.splitlines()[1:]] 

Как оказалось, ни один из этих предположений является правильным, потому что ваш фактический формат файла ... ничего подобного, что вы показали нам, а один из standard IIS log formats. Вы все еще не сказали, какой из них, но если предположить, что это один из форматов W3C/NCSA/Common, это точно так же, как разбор любого журнала веб-сервера.

Существует несколько модулей Python, предназначенных для этого, включая apachelog и pylogsparser, но лучше всего, чтобы найти себя и посмотреть, что там есть.

Answer 3

Предполагая, что столбец B никогда не будет больше, чем одно слово:

# This reads each line, removes the trailing newline, then splits on whitespace 
data = [line.strip().split() for line in open('log.txt')] 

# The columns 
A = [] 
B = [] 
C = [] 
for line in data: 
    A.append(line[0]) 
    B.append(line[1]) 
    # ' '.join(list) will return a string of the list separated by whitespace 
    C.append(' '.join(line[2:])) 

print C 

C должен содержать только столбец C

Answer 4

Ваш формат действительно недоопределенный - это трудно получить хорошее правило, где заканчивается один столбец и начинается другой. Если у вас есть некорректированные строки, может быть невозможно однозначно решить, как данные соответствуют столбцам.

Следовательно, вам понадобятся некоторые эвристики. Перспективный подход заключается в рассмотрении столбцов с разделителями, по крайней мере, 3 пробельных символов:

>>> print data 
    A   B    C 
    2013  colombo   sri lanka 
    2012  Tokyo   Japan 

>>> re.compile('\s{3,}').split(line.strip()) for line in data.splitlines()] 
[['A', 'B', 'C'], 
['2013', 'colombo', 'sri lanka'], 
['2012', 'Tokyo', 'Japan']] 

Регулярное выражение \s{3,} означает «по крайней мере, 3 пробельные символы».