在Python中导入类似Excel的文本:自动解析固定宽度的列

|| 在Excel中,如果您导入空白描述的文本,其中各列的排列不完全,并且数据可能会丢失,例如
  pH             pKa/Em  n(slope) 1000*chi2      vdw0  
CYS-I0014_        >14.0                          0.00  
LYS+I0013_       11.827     0.781     0.440      0.18
您可以选择将其视为固定宽度的列,Excel可以自动计算出列的宽度,通常效果很好。 Python中是否有一个库可以以类似的自动方式分解格式不正确的固定宽度文本? 编辑: 这就是固定宽度文本导入在Excel中的外观。在第一步中,您只需选中\'fixed-width \'单选按钮,然后在此处的第二步中,Excel已自动添加到分行符中。唯一无法正确执行此操作的情况是,每行的每个换行符中至少没有一个空格字符重叠。     
已邀请:
        首先,Excel(2003,在家)并不十分聪明。如果您的列1000 * chi2包含空格,例如1000 * chi2,excel会猜错。 普通情况:如果您的数据最初是用制表符(而不是空格)分隔的,并且使用多个制表符来表示空列,那么至少在TCL中,按制表符内容拆分每一行很容易,我想这很简单在Python中也是如此。 但是我猜你的问题是他们只使用了空格字符。 我看到解决此问题的最大线索是将您的文本粘贴到记事本中,然后选择固定大小的字体。一切都整齐地排列,您可以将每行中的字符数用作\“ length \”的度量。 因此,如果您可以依靠输入的此功能,则可以使用“筛子”方法来自动识别分行符的位置。当您在第一遍中仔细检查行时,请注意沿行被非空白占据的“位置”,如果列表曾经被非空白占据,则从列表中删除该位置。使用时,您将快速到达一组永远不会被非空白占据的位置。这些就是您的列分隔符。在您的示例中,您的“筛子”最终将处于10-16、23-24.32、42-47的位置,这些位置永远不会被非空格占用(假设我可以计数)。 因此,该集合的补充是您的数据必须位于的一组列位置。 因此,对于每行,非空白的每个块都将恰好适合上述确定的一组位置(即补集)中的一列。 我从来没有用Python编写过代码,因此附上了一个TCL脚本,该脚本将使用筛子方法识别文本中的分行符,并发出一个新的文本文件,其中的空格字符完全由单个制表符代替-即。 10-16替换为一个标签,23-24替换为另一个,依此类推。 生成的文件用制表符分隔,即小写。我承认我只对您的小案例数据进行过尝试,将其复制到名为ex.txt的文本文件中;输出到ex_.txt。我怀疑如果标题包含空格也可能会有问题。 希望这可以帮助!
set fh [open ex.txt]
set contents [read $fh];#ok for small-to-medium files.
close $fh

#first pass
set occupied {}
set lines [split $contents \\n];#split contents at line breaks.
foreach line $lines {
  set chrs [split $line {}];#split each line into chars.
  set pos 0
  foreach chr $chrs {
    if {$chr ne \" \"} {
      lappend occupied $pos
    }
    incr pos
  }
}

#drop out with long list of occupied \"positions\": sort to create
#our sieve.
set datacols [lsort -unique -integer $occupied]
puts \"occupied: $datacols\"

#identify column boundaries.
set colset {}
set start [lindex $datacols 0];#first occupied pos might be > 0??
foreach index $datacols {
  if {$start < $index} {
    set end $index;incr end -1
    lappend colset [list $start $end]
    puts \"col break starts at $start, ends at $end\";#some instro!
    set start $index
  }
  incr start
}

#Now convert input file to trivial case output file, replacing
#sieved space chars with tab characters.
set tesloc [lreverse $colset];#reverse the column list!
set fh [open ex_.txt w]
foreach line $lines {
  foreach ele $tesloc {
    set line [string replace $line [lindex $ele 0] [lindex $ele 1] \"\\t\" ]
  }
  puts \"newline is $line\"
  puts $fh $line
}
close $fh
    

要回复问题请先登录注册