在文本文件中查找“字符串” - 使用Python将其添加到Excel文件中

Question

我运行了一个grep命令并在大型数据目录中发现了几百个字符串实例。这个文件是2 MB，并且有我想要提取出来的字符串，并将其放入Excel文件以便稍后访问。我正在提取的部分是我需要稍后处理的数据文件的路径。

最近我一直在阅读关于Python的内容，并认为我可以以某种方式自动执行此提取。但我有点难以启动。我有这个至今：

data = open("C:\python27\text.txt").read()
if "string" in data:

但后来我不知道用什么来摆脱我想要的文件。任何初学者咀嚼的东西？

编辑
这里有一些关于我在找什么的更多信息。我在文本文件中有几百行。每一行都有一个路径和一些字符串这样的：

/path/to/file:STRING=SOME_STRING, ANOTHER_STRING

我想从这些线什么是与具体的“STRING = SOME_STRING”这些线路的路径。例如，如果行看起来是这样的，我想要的路径（/path/to/file）提取到另一个文件：

/path/to/file:STRING=SOME_STRING

Answer 1

的步骤来做到这一点，如下所示：CSV表与他们

• 使目录中的所有文件的列表（如果你只在兴趣这是没有必要单个文件）
• 一行提取那些你感兴趣的
• 在循环中的文件，这些文件中读取行的名称
• 看看行的模式匹配
• 提取线的部分第一:字符前

因此，代码将是这个样子，只要你的文本文件的格式，你在问题中所展示的方式，这种格式是可靠的纠正：

import sys, os, glob 

dir_path = sys.argv[1] 
if dir_path[-1] != os.sep: dir_path+=os.sep 

file_list = glob.glob(dir_path+'*.txt') #use standard *NIX wildcards to get your file names, in this case, all the files with a .txt extension 

with open('out_file.csv', 'w') as out_file: 
    for filename in file_list: 
     with open(filename, 'r') as in_file: 
      for line in in_file: 
       if 'STRING=SOME_STRING' in line: 
        out_file.write(line.split(':')[0]+'\n') 

该计划将运行为python extract_paths.py path/to/directory，并会给你一个名为out_file.csv文件在当前目录。

然后可以将该文件作为CSV文件导入到Excel中。如果您的输入不如您所建议的可靠，则正则表达式可能是更好的选择。

Answer 2

所有这一切，很容易与标准Python完成，但对于“创先争优”（XLS，或xlsx）文件 - 您必须为此安装第三方库。但是，如果您只需要一张2D表，可以使用逗号分隔值（CSV）文件 - 这些文件可与Excel和其他电子表格软件兼容，并且集成在Python中。

至于搜索文件内的字符串，很简单。对于大多数事情你甚至可能不需要正则表达式。你想要什么信息以及字符串？

另外，这个standardlib上的“os”模块具有一些功能来列出目录中或目录树中的所有文件。最直截了当的是os.listdir（路径）

可以在“in”之外使用“count”和“find”之类的字符串方法来查找文件中的字符串，或计算出现次数。

最后，“CSV”模块可以编写一个正确的格式化文件来读取电子表格。

随着您离开，您可能会滥用python的buit-in列表对象，作为操纵数据集的简单方法。

这里是一个样例程序，用于计算在给定目录中的文件中找到的命令行中给出的字符串，并汇编一个。是

# -*- coding: utf-8 -*- 
import csv 
import sys, os 

output_name = "count.csv" 

def find_in_file(path, string_list): 
    count = [] 
    file_ = open(path) 
    data = file_.read() 
    file_.close() 
    for string in string_list: 
     count.append(data.count(string)) 
    return count 


def main(): 
    if len(sys.argv) < 3: 
     print "Use %s directory_path <string1>[ string2 [...]])\n" % __package__ 
     sys.exit(1) 
    target_dir = sys.argv[1] 
    string_list = sys.argv[2:] 
    csv_file = open(output_name, "wt") 
    writer = csv.writer(csv_file) 
    header = ["Filename"] + string_list 
    writer.writerow(header) 
    for filename in os.listdir(target_dir): 
     path = os.path.join(target_dir, filename) 
     if not os.path.isfile(path): 
      continue 
     line = [filename] + find_in_file(path, string_list) 
     writer.writerow(line) 
    csv_file.close() 

if __name__=="__main__": 
    main()