我有一些.csv文件需要解析,我被困在一个部分,需要在不同的行分开。要说清楚:
这是示例csv:
004 000000,Y
005 000000,N
006 000000,N
007 A000000,Y
007 B000000,16
007 C010100,1
007 C020100,XTF ADVISORS TRUST - ETF 2010 PORTFOLIO
007 C030100,Y
007 C010200,2
007 C020200,XTF ADVISORS TRUST - ETF 2015 PORTFOLIO
007 C030200,Y
007 C010300,3
007 C020300,XTF ADVISORS TRUST - ETF 2020 PORTFOLIO
007 C030300,Y
007 C010400,4
007 C020400,XTF ADVISORS TRUST - ETF 2025 PORTFOLIO
007 C030400,Y
007 C010500,5
007 C020500,XTF ADVISORS TRUST - ETF 2030 PORTFOLIO
007 C030500,Y
007 C010600,6
返回节数和与007 A000000
相关的行的Python代码如下:
def haveSeries(csvfile):
with open(csvfile, 'rb') as f:
reader = csv.reader(f)
row2 = 0
for row in reader:
if (row[0] == '007 A000000') and (row[1]=='Y'):
baseline = reader.line_num
print baseline
seriesnum = reader.next()
print seriesnum[1]
return (baseline,seriesnum[1])
上面的例子返回16,所以我们有16个类别。因此,现在我应该制作另一个csv,它在所有行和每行的下一列中都有与类别号相关的数据。 类别在键中编号,如
086 D020000,0
086 E010000,0
086 E020000,0
086 F010000,0
086 F020000,0
024 000100,N
025 D000101,0
025 D000102,0
025 D000103,0
025 D000104,0
025 D000105,0
025 D000106,0
025 D000107,0
***... Category 1 starts at 024 000100 ...***
075 A000100,0
075 B000100,0
076 000100,0.00
024 000200,N
025 D000201,0
025 D000202,0
025 D000203,0
025 D000204,0
025 D000205,0
***... category 2 starts at 024 000200... and so on***
所以识别这些的正则表达式类似于\d{3}( \w| )\d{3}X\d.{,}
,对于X,我必须迭代1到16,并且每个类别有不同的行。你知道吗
我为这部分编写的代码:
if haveSeries(csvfile) != False:
seriesBaseNNum=haveSeries(csvfile)
# TODO write all the lines from 1 to baseline again
for row in reader:
for i in xrange(1,int(seriesBaseNNum[1])):
i= u'%02d' % i # two digits
seriesi = re.compile ("\d{3}( \w| )\d{3}%s\d.{,}" % i) #err on %d so changed to %s
matchers = seriesi.search(row[0])
if matchers:
print matchers.**group(0)**
但我得到的结果是这样的:
074 T000100
074 U010100
074 U020100
074 V010100
074 V020100
074 W000100
074 X000100
074 Y000100
075 A000100
075 B000100
076 000100
024 001100
025 D001101
025 D001102
025 D001103
025 D001104
025 D001105
025 D001106
025 D001107
025 D001108
028 A011100
028 A021100
028 A031100
028 A041100
028 B011100
028 B021100
028 B031100
028 B041100
028 C011100
028 C021100
...
所以它只在i=1时迭代一次(碰巧i=11,我的意思是当%s是1,它前面的字符也是1时)
问题出在正则表达式上,条件行应该是这样的:
然后一个for循环从1到类别数,将1写入seriesBaseNNum[0],另一个for循环将类别写入cvs中的每一行。你知道吗
谢谢你的帮助。你知道吗
您的
matchers
变量是Match Object
。根据documentation,您可以通过group
访问结果。你知道吗相关问题 更多 >
编程相关推荐