如何獲取每列中的值？

Question

我有一個文本文件的列。我想提取「C」列中的數據

A   B    C 
    2013  colombo   sri lanka  
    2012  Tokyo   Japan 

flolowing是我用來查找數據的代碼。

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] 

使用.split("\t")如果字段與標籤

分離此外，以科斯的回答，您可以通過正則表達式拆分。您可以嘗試用至多一個空格分隔的單詞進行分割：

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

您的問題未指定，但我可以嘗試猜測它。鑑於C列中的「斯里蘭卡」，你不能僅僅分割空間。如果你準確地粘貼了它，你不會使用標籤。因此，每列可以從行中的特定位置開始：列A是[3:12]，列B是[12:28]，列C是[28：]。在這種情況下：

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

另一種可能是你想拆就的超過1空間任何運行，而不是僅僅在空間。在這種情況下：

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

事實證明，無論這些猜測是正確的，因爲你實際的文件格式是...什麼像什麼，你給我們，而是standard IIS log formats之一。你還沒有說過哪一個，但假設它是W3C/NCSA/Common格式之一，這與解析任何Web服務器日誌完全相同。

有多個Python模塊可以做到這一點，其中包括apachelog和pylogsparser，但最好的辦法可能是搜索自己並查看其中的內容。

Answer 3

假設B列將不會超過一個字：

# 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應該只包含列C

Answer 4

您的格式是真正得以確認 - 這是很難得到一個很好的規則，其中一條兩端另一個開始。如果你有一些未對齊的行，可能無法明確地決定數據如何與列對應。

因此，你將需要一些啓發式。一個有前途的方法是考慮列由至少3個空白字符分隔：

>>> 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']] 

正則表達式\s{3,}指「至少3個空白字符」。