在python中读取.txt文件时，将每两行合并

Question

我目前正在使用Python中的非常大的文件

junk
junk
junk
--- intermediate:
1489       pi0     111 [686] (1491,1492)   
                             0.534    -0.050    -0.468     0.724     0.135
1499       pi0     111 [690] (1501,1502)   
                            -1.131     0.503    12.751    12.812     0.135
--- final:
 32        e-      11 [7]    
                             9.072    20.492   499.225   499.727     0.001
 33        e+     -11 [6]    
                           -11.317   -17.699  2632.568  2632.652     0.001
 12         s       3 [10] (91)  >43 {+5}
                             2.946     0.315    94.111    94.159     0.500
 14         g      21 [11] (60,61)  34>>16 {+7,-6}
                            -0.728     3.329     5.932     6.907     0.950
------------------------------------------------------------------------------
junk
junk
--- intermediate:
repeat

我想把“---final”行之后的每两行合并到“-------------”行。例如，我想要一个输出文件来读取

^{pr2}$

请注意我是如何省略不带空格的行中的额外条目的。我目前的做法是

start = False
for line in myfile:
    line = line.strip()
    fields = line.split()
    if len(fields)==0:
        continue
    if not start:
        if fields[0] == "----final:":
            start = True
        continue

len（fields）==0应在“--------”行结束脚本并继续，直到它看到另一个“----final”行。我目前不知道如何将这两行合并在一起，同时忽略没有空格的行中的额外信息。有什么建议吗？在

Answer 1

一种快速而肮脏的方法来合并其他行：

for i in range(0,len(lines),2):

    fields1 = lines[i].strip().split()
    fields2 = lines[i+1].strip().split()
    print("\t".join(fields1[:4]+fields2))

注意，我在这里考虑到所有要合并的行都被提取并放入一个名为lines的列表中，并且我只是硬编码了从每一行中保留的元素的数量（4）。在

Answer 2

只要你知道你想要的部分周围的确切线条：

#split the large text into lines
lines = large_text.split('\n')
#get the indexes of the beginning and end of your target section
idx_start = lines.index(" - final:")
idx_finish= lines.index("                                       ")
#iterate through the section in steps of 2, split on spaces, remove empty strings, print them as tab delimited
for idx in range( idx_start+1, idx_finish, 2):
    out = list(filter(None,(lines[idx]+lines[idx+1]).split(" ")))
    print("\t".join(out))

其中large_text是作为巨型字符串导入的文件。在

编辑 为了打开文件_文本.txt'作为字符串，请尝试以下操作：

^{pr2}$

假设

1. 你知道把兴趣区分开的线（例如：“-最终：”）
2. 您的值是空格而不是制表符分隔的。如果不更改split(" ")为split("\t")

应该是赢家 添加了格式固定到一组行。同样的假设也成立。在

with open('./large_text.txt','r') as f:
    #split the large text into lines
    lines = f.read().split("\n")
    #get the indexes of the beginning and end of your target section
    idx_start = lines.index(" - final:")
    idx_finish= lines.index("                                       ")
    #iterate through the section in steps of 2, split on spaces, remove empty strings, print them as tab delimited
    for idx in range( idx_start+1, idx_finish, 2):
        line_spaces = list(filter(None,lines[idx].split(" ")))[0:4]
        other_line = list(filter(None,(lines[idx+1]).split(" ")))
        out = line_spaces + other_line
        print("\t".join(out))

Answer 3

您可以使用更新的^{}模块和一些正则表达式来解决您的问题：

import regex as re

rx = re.compile(r'''(?V1)
        (?:^ -\ final:[\n\r])|(?:\G(?!\A))
        ^(\ *\d+.+?)\ *$[\n\r]
        ^\ +(.+)$[\n\r]
        ''', re.MULTILINE | re.VERBOSE)

junky_string = your_string

matches = ["    ".join(match.groups()) 
            for match in rx.finditer(junky_string)
            if match.group(1) is not None]
print(matches)
# [' 32        e-      11 [7]    9.072    20.492   499.225   499.727     0.001', 
#  ' 33        e+     -11 [6]    -11.317   -17.699  2632.568  2632.652     0.001',
#  ' 12         s       3 [10] (91)  >43 {+5}    2.946     0.315    94.111    94.159     0.500', 
#  ' 14         g      21 [11] (60,61)  34>>16 {+7,-6}    -0.728     3.329     5.932     6.907     0.950']

它在行首或空格处查找 - final:，然后在匹配 - final:后紧跟数字（研究explanation on regex101.com以获取更多详细信息）。
然后用制表机将匹配的项目连接起来。在