如何从tx中的某些行的末尾删除额外的分号

Question

我是新来stackoverflow，所以如果我的帖子没有正确张贴或你需要更多的信息，请让我知道。所以我有个很奇怪的问题。我有一个txt文件，有很多行用“；”隔开。通常应该有42个字段/列，但是由于某种原因，当导入时，我的txt文件中的一些行被“；”分隔，它显示了大量被跳过的行，因为python“预期42个字段，saw45”。我使用pandas导入文件，因为我的大部分转换都是用它完成的：

text = pd.read_csv('file.txt',encoding='ISO-8859-1', keep_default_na=False,error_bad_lines=False, sep=';')

我发现有些行的末尾多了3个“；”。因为大部分数据都是保密的，我不能在公司外共享，所以我生成了一个类似的3行txt文件来告诉你我的问题所在。你知道吗

;;;5123123;text1;text2;;;;123124;text3;text4;;;;5234234;text5;text6;;;;412321;text7;text8;;;;512312;text9;text10;;;;15123213;text11;text12;;;;123123;text13;text14 ;;;4666190;text1;text2;;;;312312;text3;text4;;;;5123123;text5;text6;;;;;;;;;;;;;;;;;;;;;;55123;text7;text8 ;;;5123123;text1;text2;;;;1321321;text3;text4;;;;123124;text5;text6;;;;;;;;;;;;;;;;;;;;;;3123123;512312312;text7;;;

所以这是我文件中类似的三行，但是有替换的名字。第一行和第二行是正确的，但是第三行在导入时生成45个字段。 那么有没有一种方法可以让我在导入文件之前检查一下文件，查找以;;;5123123开头的所有行，并检查结尾是否有“；”，是否有删除它们，然后当然导入它们。问题只出现在一些以;;;5123123开头的行上。这个错误有几百行，整个数据比50k行多一点。你知道吗

Answer 1

你有没有试过拆分成一个列表，然后删除空白元素？？你知道吗

f = open('file.txt', 'rb')
raw_str = str(f.read())
full_list = raw_str.split(';')
templist = list(filter(None, full_list))

通过打印templast，它给出了所有元素的列表。您可以根据需要使用for循环对其执行任何操作，如再次转换为字符串。输出就像-

Answer 2

我相信pd是pandas，所以可以为read_csv方法使用usecols参数

text = pd.read_csv('file.txt',
                   encoding='ISO-8859-1', 
                   keep_default_na=False,
                   error_bad_lines=False,
                   sep=';',
                   usecols=list(range(43)),
                   names=list(range(43)),
                   headers=None)

编辑 还可以添加names和headers参数