Gunakan python untuk memproses data teks berlabel dan melakukan pengiraan berangka

Artikel ini akan membimbing anda bagaimana untuk menghuraikan fail teks berstruktur menggunakan Python, seperti data yang mengandungi format "Tag: Nombor Senarai". Tutorial meliputi bacaan yang selamat dari fail, pemprosesan line-by-line, segmentasi rentetan (melalui kolon dan koma), menukar nilai rentetan ke dalam bilangan bulat, dan operasi penjumlahan numerik akhir. Melalui tutorial ini, anda akan menguasai kemahiran teras memproses data teks tersebut untuk mencapai pengekstrakan dan pengiraan data yang cekap.

Dalam tugas pemprosesan data, kita sering perlu mengekstrak dan mengira data dari fail teks yang tidak berstruktur atau separa berstruktur. Sebagai contoh, fail log mungkin mengandungi tag untuk peristiwa tertentu dan maklumat berangka yang berkaitan. Tutorial ini akan mengambil senario biasa sebagai contoh: bagaimana untuk menghuraikan baris data mengikut baris dari fail .txt yang mengandungi format "Tarikh/Tag: Nilai 1, Nilai 2, Nilai 3, dan jumlah nilai di bawah setiap tag.

Konsep teras dan langkah pelaksanaan

Kunci untuk mengendalikan data teks tersebut adalah membaca fail dengan betul, segmen rentetan dengan tepat, menukar nilai teks ke dalam jenis angka yang boleh dihitung, dan jumlahnya.

1. Bacaan fail yang selamat dan cekap: Gunakan dengan terbuka ()

Apabila memproses fail, adalah penting untuk memastikan bahawa fail ditutup dengan betul selepas operasi selesai, walaupun ralat berlaku. Pernyataan Python dengan menyediakan cara yang ringkas dan selamat untuk menguruskan sumber fail, yang secara automatik mengendalikan pembukaan dan penutupan fail secara automatik.

 dengan terbuka ('tb1.txt', 'r', encoding = 'utf-8') sebagai fail:
    # Operasi fail akan diluluskan di sini

Di sini, 'tb1.txt' adalah nama fail yang akan dibaca, dan 'r' bermaksud membuka fail dalam mod baca sahaja. Pengekodan = 'UTF-8' adalah amalan yang baik apabila mengendalikan fail teks, terutamanya apabila berurusan dengan fail yang mengandungi aksara bukan ASCII. sebagai fail memberikan objek fail ke fail pembolehubah.

2. Menganalisis garis data teks demi baris

Objek fail itu boleh dimakan, yang bermaksud kita boleh menggunakannya secara langsung di dalam gelung untuk membaca baris kandungan fail mengikut baris tanpa secara manual memanggil ReadLine () atau readlines ().

 dengan terbuka ('tb1.txt', 'r', encoding = 'utf-8') sebagai fail:
    untuk talian dalam fail:
        #Every Time Pembolehubah baris akan mengandungi garis dalam fail# Keluarkan garis pecah dan kemungkinan kosong di hujung baris garis = line.strip ()
        jika tidak garis: # langkau garis kosong teruskan
        # Pemprosesan berikutnya ...

Kaedah ini mudah dan cekap, terutamanya sesuai untuk mengendalikan fail besar. line.strip () digunakan untuk menghapuskan aksara ruang putih pada permulaan dan akhir garis, termasuk garis baru, yang penting untuk segmentasi rentetan berikutnya.

3. Segmentasi String: Ekstrak Label dan Nilai

Menurut fail contoh Isnin: 12, 34, -90, setiap baris data terdiri daripada label dan satu siri nilai angka, dipisahkan oleh kolon:. Nilai dipisahkan oleh koma. Kami memerlukan dua operasi segmentasi untuk mengekstrak maklumat yang diperlukan.

Pertama, gunakan str.split (':') untuk memecah garisan menjadi dua bahagian: label dan rentetan yang mengandungi nilai angka. Untuk mengelakkan masalah apabila label itu sendiri mengandungi kolon, disyorkan untuk menggunakan maxSplit = 1.

 label, fields_str = line.split (':', 1)
label = label.strip () # keluarkan kosong di kedua -dua hujung label

Label akan mendapat rentetan seperti "Isnin", dan fields_str akan mendapat "12,34, -90" (perhatikan bahawa mungkin ada ruang).

Seterusnya, gunakan str.split (',') untuk fields_str untuk mendapatkan senarai rentetan angka yang berasingan.

 value_str_list = fields_str.split (',')

Ini akan mendapat senarai seperti ['12', '34', '-90'].

4. Penukaran dan Pengumpulan Pengumpulan Berangka

Setiap elemen yang diambil dari nilai_str_list adalah jenis rentetan. Sebelum pengiraan matematik, mereka mesti ditukar kepada jenis angka (seperti integer int atau float).

 current_sum = 0
untuk nilai_str dalam nilai_str_list:
    # Keluarkan aksara ruang putih yang mungkin dan tukarnya ke integer numeric_value = int (value_str.strip ())
    current_sum = Numeric_value

Kaedah str.strip () berfungsi semula di sini untuk menghapuskan aksara ruang putih di kedua -dua hujung rentetan, memastikan kejayaan penukaran Int ().

5. Output Hasil

Selepas menjumlahkan nilai setiap baris, kita boleh mencetak label dan jumlah yang sepadan untuk melihat hasilnya.

 cetak (f "{label}: {current_sum}")

Output diformat digunakan di sini, yang ringkas dan jelas.

Contoh kod lengkap

Mengintegrasikan langkah -langkah di atas dan tambahkan mekanisme pengendalian ralat untuk membina fungsi yang mantap untuk mengendalikan fail:

 DEF mengira_SUMS_FROM_FILE (filePath):
    "" "
    Baca data dari fail yang ditentukan, huruskan setiap baris dan hitung jumlah nilai berangka.

    Args:
        FilePath (STR): Laluan fail teks yang belum selesai.
    "" "
    Cuba:
        dengan buka (filePath, 'r', encoding = 'UTF-8') sebagai fail:
            cetak (f "pemprosesan fail: {filePath} \ n ---")
            Untuk line_num, baris dalam penghitungan (fail, 1):
                line = line.strip () # Keluarkan rehat dan kekosongan talian di hujung baris jika tidak garis: # langkau garis kosong terus

                Cuba:
                    # 1. Pecahkan label dan bahagian berangka# gunakan maxSplit = 1 untuk mengelakkan masalah yang mengandungi kolon dalam label label, fields_str = line.split (':', 1)
                    label = label.strip () # Keluarkan tempat kosong di kedua -dua hujung label # 2. Pecahkan rentetan angka dan tukarnya ke dalam nilai integer_str_list = fields_str.split (',')
                    current_sum = 0
                    untuk nilai_str dalam nilai_str_list:
                        numeric_value = int (value_str.strip ()) # Keluarkan tempat kosong dan tukar current_sum = numeric_value

                    # 3. Output Result Print (f "{label}: {current_sum}")

                Kecuali ValueError sebagai E:
                    cetak (f "ralat: nilai dalam data dalam baris {line_num} tidak boleh ditukar. Kandungan: '{line}' Mesej ralat: {e}")
                Kecuali indeksror:
                    cetak (f "ralat: pemisah kolon atau bahagian angka hilang pada baris {line_num}. Kandungan: '{line}'")
                Kecuali pengecualian sebagai e:
                    cetak (f "ralat: ralat yang tidak diketahui berlaku pada baris {line_num}. Kandungan: '{line}' Mesej ralat: {e}")

    Kecuali FileNotFoundError:
        cetak (f "ralat: fail '{filePath}' tidak dijumpai. Sila periksa laluan fail.")
    Kecuali pengecualian sebagai e:
        cetak (f "ralat tidak diketahui berlaku semasa memproses fail: {e}")

# Contoh Gunakan:
# Pertama, pastikan untuk membuat fail bernama 'tb1.txt' dalam direktori yang sama di mana kod sedang berjalan.
# dan isi berikut untuk ujian:
"" "
Isnin: 12,34, -90
Sabtu: 32, -23,20
Selasa: 1,2,3,4,5
Rabu: -10,20
InvalidlineWithoutColon
Satu lagi hari: 10, ABC, 20
"" "
# Anda boleh membuat fail ujian melalui coretan kod berikut:
# dengan terbuka ('tb1.txt', 'w', encoding = 'utf-8') sebagai f:
# f.write ("Isnin: 12,34, -90 \ n")
# f.write ("Sabtu: 32, -23,20 \ n")
# f.write ("Selasa: 1,2,3,4,5 \ n")
# f.write ("Rabu: -10,20 \ n")
# f.write ("InvalidLineWithoutColon \ n")
# f.write ("More Day: 10, ABC, 20 \ n")
# f.write ("\ n") # Ujian talian kosong CALLULE_SUMS_FROM_FILE ('TB1.TXT')

Nota dan amalan terbaik

• Kepentingan dengan pernyataan : Sentiasa gunakan dengan terbuka (...) untuk memproses fail, yang dapat memastikan bahawa fail itu ditutup secara automatik setelah operasi selesai, dan dapat mencegah kebocoran sumber secara efektif jika pengecualian terjadi dalam program.
• Keperluan untuk Penukaran Jenis Data : Data yang dibaca dari fail teks adalah jenis rentetan secara lalai. Sebelum melakukan apa -apa pengiraan matematik, ia mesti ditukar kepada jenis angka menggunakan int () atau float ().
• Pengendalian ralat : Dalam aplikasi praktikal, kandungan fail mungkin tidak selalu mematuhi format yang diharapkan. Menggunakan blok percubaan untuk menangkap ValueError (apabila rentetan tidak boleh ditukar kepada nombor) atau indeksror (apabila format garis tidak sepadan dengan jangkaan, seperti kehilangan kolon atau koma), ia boleh menjadikan program itu lebih mantap dan mengelakkan kemalangan kerana data yang luar biasa.
• Penggunaan str.strip () : Sebelum melakukan segmentasi rentetan dan penukaran jenis, ia adalah kebiasaan yang baik untuk menggunakan kaedah jalur () untuk menghapuskan aksara ruang putih (termasuk ruang, tab dan garis baru) di kedua -dua hujung rentetan, dan boleh mengelakkan ralat penukaran yang disebabkan oleh whitespace yang tidak dijangka.
• Parameter MaxSplit Kaedah Split () : Apabila menggunakan kaedah Split (), jika pembatas mungkin muncul di pelbagai lokasi rentetan sasaran, dan anda hanya mahu berpecah apabila kejadian pertama, menggunakan parameter maxSplit (seperti line.split (':', 1)) dapat meningkatkan ketepatan parsing.

Meringkaskan

Tutorial ini menerangkan cara untuk memproses data teks berstruktur dengan cekap dan selamat menggunakan Python. Dengan menguasai kemahiran teras seperti bacaan fail, segmentasi rentetan, penukaran jenis, dan pengendalian ralat, anda kini boleh dengan yakin mengekstrak dan mengira nilai yang diperlukan dari pelbagai fail teks. Kemahiran asas ini adalah asas untuk analisis dan pemprosesan data yang lebih kompleks, dan sangat berguna untuk tugas -tugas seperti analisis log dan pembersihan data.

Atas ialah kandungan terperinci Gunakan python untuk memproses data teks berlabel dan melakukan pengiraan berangka. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!