我正在处理Project Euler问题(为了好玩)。 它配备了包含有超过名称的列表1号线在这样的格式46KB txt文件:匹配txt文件中的每个单词
"MARIA","SUSAN","ANGELA","JACK"...
我的计划是写一个方法来提取每一个名字,并把它们添加到一个Python列表。正则表达式是解决这个问题的最好武器吗?
我抬起头看Python re doc,但我很难找出正确的正则表达式。
我正在处理Project Euler问题(为了好玩)。 它配备了包含有超过名称的列表1号线在这样的格式46KB txt文件:匹配txt文件中的每个单词
"MARIA","SUSAN","ANGELA","JACK"...
我的计划是写一个方法来提取每一个名字,并把它们添加到一个Python列表。正则表达式是解决这个问题的最好武器吗?
我抬起头看Python re doc,但我很难找出正确的正则表达式。
如果该文件的格式为你说它是,即
那么这应该工作:
>>> import csv >>> lines = csv.reader(open('words.txt', 'r'), delimiter=',') >>> words = lines.next() >>> words ['MARIA', 'SUSAN', 'ANGELA', 'JACK']
看起来像csv模块可以帮助的格式。那么你不必写任何正则表达式。
正则表达式可以完成工作,但效率不高。使用csv可以工作,但它可能无法很好地处理单个行中的5000个单元。至少它必须加载整个文件并在内存中维护整个名称列表(对于您来说这可能不是问题,因为这是非常少量的数据)。如果你想为相对较大的文件的迭代器(远远大于5000名),状态机将这样的伎俩:
def parse_chunks(iter, quote='"', delim=',', escape='\\'):
in_quote = False
in_escaped = False
buffer = ''
for chunk in iter:
for byte in chunk:
if in_escaped:
# Done with the escape char, add it to the buffer
buffer += byte
in_escaped = False
elif byte == escape:
# The next charachter will be added literally and not parsed
in_escaped = True
elif in_quote:
if byte == quote:
in_quote = False
else:
buffer += byte
elif byte == quote:
in_quote = True
elif byte in (' ', '\n', '\t', '\r'):
# Ignore whitespace outside of quotes
pass
elif byte == delim:
# Done with this block of text
yield buffer
buffer = ''
else:
buffer += byte
if in_quote:
raise ValueError('Found unbalanced quote char %r' % quote)
elif in_escaped:
raise ValueError('Found unbalanced escape char %r' % escape)
# Yield the last bit in the buffer
yield buffer
data = r"""
"MARIA","SUSAN",
"ANG
ELA","JACK",,TED,"JOE\""
"""
print list(parse_chunks(data))
# ['MARIA', 'SUSAN', 'ANG\nELA', 'JACK', '', 'TED', 'JOE"']
# Use a fixed buffer size if you know the file has only one long line or
# don't care about line parsing
buffer_size = 4096
with open('myfile.txt', 'r', buffer_size) as file:
for name in parse_chunks(file):
print name
如果你能做到这一点简单的,然后做更简单。无需使用csv模块。我不认为5000个名字或46KB是足够担心的。
names = []
f = open("names.txt", "r")
# In case there is more than one line...
for line in f.readlines():
names = [x.strip().replace('"', '') for x in line.split(",")]
print names
#should print ['name1', ... , ...]
谢谢,它完美的作品! –