python 文本文件数据处理

Posted 2023-03-28

请问：怎么把a.txt中相同的set或者setenv合并起来（相同值忽略），若path1中含有mnt的换成$mntpath且生成一行独立的行，结果输出到b.txt
a.txt：
set value1 /usr
set value1 /sys
set value1 /sys
set value2 /asd
set value2 /xyz
set value2 /xyz
setenv path1 /usr/lib:/usr/abc
setenv path1 /usr/asd
setenv path2 /usr
setenv path2 $path2:/abc
setenv path2 $path2:/aaa
setenv path1 $path1:/mnt/abc:/mnt/xyz
setenv path1 $path1:/mnt/ccc:/mnt/ddd

b.txt：
set value1 "/usr:/sys"
set value2 "/asd:/xyz"
setenv path1 "/usr/lib:/usr/abc:/usr/asd"
setenv path2 "/usr:/abc:/aaa"
setenv path1 "$path1:/$mntpath/abc:/$mntpath/xyz:/$mntpath/ccc:/$mntpath/ddd"

由于不知道怎么以code形式或以附件形式发布，所以只能这么贴了。

分隔日志文件存为小文件


#coding:utf-8 

#file: FileSplit.py

import os,os.path,time

def FileSplit(sourceFile, targetFolder):

sFile = open(sourceFile, 'r')

number = 100000 #每个小文件中保存100000条数据

dataLine = sFile.readline()

tempData = [] #缓存列表

fileNum = 1

if not os.path.isdir(targetFolder):  #如果目标目录不存在，则创建

os.mkdir(targetFolder)

while dataLine: #有数据

for row in range(number): 

tempData.append(dataLine) #将一行数据添加到列表中

dataLine = sFile.readline()

if not dataLine :

break

tFilename = os.path.join(targetFolder,os.path.split(sourceFile)[1] + str(fileNum) + ".txt")

tFile = open(tFilename, 'a+') #创建小文件

tFile.writelines(tempData) #将列表保存到文件中

tFile.close()  

tempData = [] #清空缓存列表

print(tFilename + " 创建于: " + str(time.ctime()))

fileNum += 1 #文件编号

sFile.close()

if __name__ == "__main__" :

FileSplit("access.log","access")

分类汇总小文件：

#coding:utf-8 

#file: Map.py

import os,os.path,re

def Map(sourceFile, targetFolder):

sFile = open(sourceFile, 'r')

dataLine = sFile.readline()

tempData = #缓存列表

if not os.path.isdir(targetFolder):  #如果目标目录不存在，则创建

os.mkdir(targetFolder)

while dataLine: #有数据

p_re = re.compile(r'(GET|POST)\\s(.*?)\\sHTTP/1.[01]',re.IGNORECASE) #用正则表达式解析数据

match = p_re.findall(dataLine)

if match:

visitUrl = match[0][1]

if visitUrl in tempData:

tempData[visitUrl] += 1

else:

tempData[visitUrl] = 1

dataLine = sFile.readline() #读入下一行数据

sFile.close()

tList = []

for key,value in sorted(tempData.items(),key = lambda k:k[1],reverse = True):

tList.append(key + " " + str(value) + '\\n')

tFilename = os.path.join(targetFolder,os.path.split(sourceFile)[1] + "_map.txt")

tFile = open(tFilename, 'a+') #创建小文件

tFile.writelines(tList) #将列表保存到文件中

tFile.close()

if __name__ == "__main__" :

Map("access\\\\access.log1.txt","access")

Map("access\\\\access.log2.txt","access")

Map("access\\\\access.log3.txt","access")

3. 再次将多个文件分类汇总为一个文件。

#coding:utf-8 

#file: Reduce.py

import os,os.path,re

def Reduce(sourceFolder, targetFile):

tempData = #缓存列表

p_re = re.compile(r'(.*?)(\\d1,$)',re.IGNORECASE) #用正则表达式解析数据

for root,dirs,files in os.walk(sourceFolder):

for fil in files:

if fil.endswith('_map.txt'): #是reduce文件

sFile = open(os.path.abspath(os.path.join(root,fil)), 'r')

dataLine = sFile.readline()

while dataLine: #有数据

subdata = p_re.findall(dataLine) #用空格分割数据

#print(subdata[0][0],"  ",subdata[0][1])

if subdata[0][0] in tempData:

tempData[subdata[0][0]] += int(subdata[0][1])

else:

tempData[subdata[0][0]] = int(subdata[0][1])

dataLine = sFile.readline() #读入下一行数据

sFile.close()

tList = []

for key,value in sorted(tempData.items(),key = lambda k:k[1],reverse = True):

tList.append(key + " " + str(value) + '\\n')

tFilename = os.path.join(sourceFolder,targetFile + "_reduce.txt")

tFile = open(tFilename, 'a+') #创建小文件

tFile.writelines(tList) #将列表保存到文件中

tFile.close()

if __name__ == "__main__" :

Reduce("access","access")

参考技术A

python处理文本文件内容数据，下面是具体的案例，代码如下：

#读取一个文本文件之后得到里面出现最多的关键字
from time import time
from operator import itemgetter
def test():
     # 取 10 个，有需要可以修改, 及定义读取的文件 test.txt 
     iList = 10
     strFileName = 'test.txt'
     count = 
     for word in open(strFileName).read().split():
         if count.has_key(word):
             count[word] = count[word] + 1
         else:
             count[word] = 1
print sorted(count.iteritems( ), key=itemgetter(1), reverse=True)[0:iList]

python处理文本文件数据中的正则表达式用法，字符串替换方法：

#1、替换所有匹配的子串
#用newstring替换subject中所有与正则表达式regex匹配的子串
result = re.sub(regex, newstring, subject)

#2、替换所有匹配的子串（使用正则表达式对象）
reobj = re.compile(regex)
result = reobj.sub(newstring, subject)

参考技术B #!/usr/bin/env python3
# -*- coding: utf-8 -*-

def zhidao_560604345(infile, outfile):
    reader = open(infile, 'r')
    set_dict = 
    setenv_dict = 
    while True:
        line = reader.readline()
        if len(line) == 0:
            break
        a, b, c = line.strip().split(maxsplit=2)
        if a == 'set':
            if not b in set_dict:
                set_dict[b] = set()
            set_dict[b].add(c.strip())
        elif a == 'setenv':
            if not b in setenv_dict:
                setenv_dict[b] = set()
            setenv_dict[b].update(c.strip().split(':'))
    reader.close()
    buff = []
    for k, v in set_dict.items():
        buff.append('set %s "%s"' % (k, ':'.join(list(v))))
    for k, v in setenv_dict.items():
        tmp = []
        for item in list(v):
            if item == '$' + k:
                pass
            elif item.startswith('/mnt/'):
                tmp.append('mntpath/' + item[5:])
            else:
                tmp.append(item)
        tmp.sort()
        buff.append('setenv %s "%s"' % (k, ':'.join(tmp)))
    writer = open(outfile, 'w')
    writer.write('\\n'.join(buff))
    writer.close()

if __name__ == '__main__':
    zhidao_560604345('zhidao_560604345.input', 'zhidao_560604345.output')

运行结果：

set value2 "/asd:/xyz"
set value1 "/usr:/sys"
setenv path2 "/aaa:/abc:/usr"
setenv path1 "/usr/abc:/usr/asd:/usr/lib:mntpath/abc:mntpath/ccc:mntpath/ddd:mntpath/xyz"

本回答被提问者采纳

python读取文本文件数据

 

本文要点刚要：

（一）读文本文件格式的数据函数：read_csv,read_table

    1.读不同分隔符的文本文件，用参数sep

    2.读无字段名（表头）的文本文件 ，用参数names

    3.为文本文件制定索引，用index_col

    4.跳行读取文本文件，用skiprows

    5.数据太大时需要逐块读取文本数据用chunksize进行分块。

（二）将数据写成文本文件格式函数：to_csv

 

 

范例如下：

（一）读取文本文件格式的数据集

1.read_csv和read_table的区别:

 #read_csv默认读取用逗号分隔符的文件，不需要用sep来指定分隔符

import pandas as pd
pd.read_csv(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data.csv\')

　

#read_csv如果读的是用非逗号分隔符的文件，必须要用sep指定分割符，不然读出来的是原文件的样子，数据没被分割开
import pandas as pd
pd.read_csv(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data.txt\')

　　

#与上面的例子可以对比一下区别
import pandas as pd
pd.read_csv(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data.txt\',sep=\'|\')

　　

#read_table读取文件时必须要用sep来指定分隔符，否则读出来的数据是原始文件，没有分割开。
import pandas as pd
pd.read_table(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data.csv\')

　

#read_table读取数据必须指定分隔符
import pandas as pd
pd.read_table(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data.txt\',sep=\'|\')

　　

2.读取文本文件时不用header和names指定表头时，默认第一行为表头

#用header=None表示数据集没有表头，会默认用阿拉伯数字填充表头和索引
pd.read_table(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data.txt\',sep=\'|\',header=None)

　　

#用names可以自定义表头
pd.read_table(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data.txt\',sep=\'|\',
                    names=[\'x1\',\'x2\',\'x3\',\'x4\',\'x5\'])

　

3.默认用阿拉伯数字指定索引；用index_col指定某一列作为索引

names=[\'x1\',\'x2\',\'x3\',\'x4\',\'x0\']
pd.read_table(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data.txt\',sep=\'|\',
                   names=names,index_col=\'x0\')

　　

4.以下示例是用skiprows将hello对应的行跳过后读取其他行数据，不管首行是否作为表头，都是将表头作为第0行开始数

可以对比一下三个例子的区别进行理解

pd.read_csv(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data1.txt\')

names=[\'x1\',\'x2\',\'x3\',\'x4\',\'x0\']
pd.read_csv(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data1.txt\',names=names,
            skiprows=[0,3,6])

　　

pd.read_csv(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data1.txt\',
            skiprows=[0,3,6])

　　

pd.read_csv(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data1.txt\',header=None,
            skiprows=[0,3,6])

　　

5.分块读取，data1.txt中总共8行数据，按照每块3行来分，会读3次，第一次3行，第二次3行，第三次1行数据进行读取。

注意这里在分块的时候跟跳行读取不同的是，表头没作为第一行进行分块读取，可通过一下两个例子对比进行理解。

chunker = pd.read_csv(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data1.txt\',chunksize=3)
for m in chunker:   
    print(len(m)) 
    print m

　　

chunker = pd.read_csv(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data1.txt\',header=None,
                      chunksize=3)
for m in chunker:    
    print(len(m)) 
    print m

　　

（二）将数据写入文本格式用to_csv

以data.txt为例,注意写出文件时，将索引也写入了

data=pd.read_table(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data.txt\',sep=\'|\')
print data

　　

#可以用index=False禁止索引的写入。
data=pd.read_table(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data.txt\',sep=\'|\')
data.to_csv(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\outdata.txt\',sep=\'!\',index=False)

　　

#可以用columns指定写入的列
data=pd.read_table(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\data.txt\',sep=\'|\')
data.to_csv(\'C:\\\\Users\\\\xiaoxiaodexiao\\\\pythonlianxi\\\\test0424\\\\outdata2.txt\',sep=\',\',index=False,
            columns=[\'a\',\'c\',\'d\'])