[已解决]字符串中 提取小于5个带有空格的一行数据 求助

Amgalang

我有多行数据，实例如下（每一个词用一个空格隔开，以一个句号结尾）：

A& # B B B .
C& # N N MM .
EE # LLLL .

我像提取有&字符的词”#“后空格小于5的一行数据；具体提取的结果是：

A& # B B B .
C& # N N MM .

我目前的代码：

import re
a = open(r"C:\Users\amgalang\Desktop\第二章\词典资源中被标注的研究词条集合 - 副本.txt", encoding="utf-8")
dict = a.readlines()
list1=[]
for i in dict:
       if " " in i.split('#')[-1]:
              i.count(" ")
       if "&" in i.split('#')[0] and i.count(" ")<4 in i.split('#')[-1]:
              print(i)

还是缺点什么，希望帮帮我 补全，谢谢噢。

最佳答案

月排行榜 / 总排行榜

suchocolate

2021-12-3 09:36:26

1. with open(r"C:\Users\amgalang\Desktop\第二章\词典资源中被标注的研究词条集合 - 副本.txt", encoding="utf-8") as f:
   
2.     s = f.read()
   
3. result = []
   
4. for line in s.split('\n'):
   
5.     if '&' in line:
   
6.         lh, lb = line.split('#')
   
7.         if lb.count(' ') < 5:
   
8.             result.append(line)
   
9. print(result)
   
10. 
    

复制代码

1. import re   # 没有使用到，删除
   
2. a = open(r"C:\Users\amgalang\Desktop\第二章\词典资源中被标注的研究词条集合 - 副本.txt", encoding="utf-8")   # 文件没有主动关闭，可使用with打开，让系统关闭
   
3. dict = a.readlines()
   
4. list1=[]
   
5. for i in dict:
   
6.        if " " in i.split('#')[-1]:  # 没有意义
   
7.               i.count(" ")  # 计算了数目，但没有赋值给变量，这两行没有意义。而且下一句又计算了一次。
   
8.        if "&" in i.split('#')[0] and i.count(" ")<4 in i.split('#')[-1]:  # 如果变量已经固定，后续有多次调用，应避免再次index索引
   
9.               print(i)

复制代码

跳转到最佳答案楼层

suchocolate

1. with open(r"C:\Users\amgalang\Desktop\第二章\词典资源中被标注的研究词条集合 - 副本.txt", encoding="utf-8") as f:
   
2.     s = f.read()
   
3. result = []
   
4. for line in s.split('\n'):
   
5.     if '&' in line:
   
6.         lh, lb = line.split('#')
   
7.         if lb.count(' ') < 5:
   
8.             result.append(line)
   
9. print(result)
   
10. 
    

复制代码

1. import re   # 没有使用到，删除
   
2. a = open(r"C:\Users\amgalang\Desktop\第二章\词典资源中被标注的研究词条集合 - 副本.txt", encoding="utf-8")   # 文件没有主动关闭，可使用with打开，让系统关闭
   
3. dict = a.readlines()
   
4. list1=[]
   
5. for i in dict:
   
6.        if " " in i.split('#')[-1]:  # 没有意义
   
7.               i.count(" ")  # 计算了数目，但没有赋值给变量，这两行没有意义。而且下一句又计算了一次。
   
8.        if "&" in i.split('#')[0] and i.count(" ")<4 in i.split('#')[-1]:  # 如果变量已经固定，后续有多次调用，应避免再次index索引
   
9.               print(i)

复制代码

Amgalang

suchocolate 发表于 2021-12-3 09:36

学到了，谢谢您的帮助，目前出现了一个问题，我把代码用到另一个文件上 有如下报错，希望您看看 谢谢：
Traceback (most recent call last):
  File "C:\Users\amgalang\Desktop\第二章\提取小于5个空格符的数据.py", line 6, in <module>
    lh, lb = line.split('#')
ValueError: not enough values to unpack (expected 2, got 1)

suchocolate

Amgalang 发表于 2021-12-3 09:57
学到了，谢谢您的帮助，目前出现了一个问题，我把代码用到另一个文件上 有如下报错，希望您看看 谢谢：
...

txt有没有带#的空行吧，把txt发上来看看。
我这代码假定你的txt是没有垃圾数据的。

Amgalang

suchocolate 发表于 2021-12-3 10:05
txt有没有带#的空行吧，把txt发上来看看。
我这代码假定你的txt是没有垃圾数据的。

数据有点大，发不上去，那我找找看 空行 谢谢哒

suchocolate

Amgalang 发表于 2021-12-3 10:11
数据有点大，发不上去，那我找找看 空行 谢谢哒

传网盘分享链接

z5560636

Amgalang 发表于 2021-12-3 09:57
学到了，谢谢您的帮助，目前出现了一个问题，我把代码用到另一个文件上 有如下报错，希望您看看 谢谢：
...

1. with open(r"C:\Users\amgalang\Desktop\第二章\词典资源中被标注的研究词条集合 - 副本.txt", encoding="utf-8") as f:
   
2.     s = f.read()
   
3. result = []
   
4. 
   
5. for line in s.split('\n'):
   
6.     try:
   
7.         if '&' in line:
   
8.             lh, lb = line.split('#')
   
9.             if lb.count(' ') < 5:
   
10.                 result.append(line)
    
11.     except Exception as e:
    
12.         print(e)
    
13.         continue
    
14. print(result)
    
15. 
    

复制代码

加个异常处理机制就好了.

Amgalang

suchocolate 发表于 2021-12-3 10:13
传网盘分享链接

好的，我把 指代有“#”符号的筛选出来，在其上 跑了下代码，然后：
Traceback (most recent call last):
  File "C:\Users\amgalang\Desktop\第二章\提取小于5个空格符的数据.py", line 6, in <module>
    lh, lb = line.split('#')
ValueError: too many values to unpack (expected 2)

我的文件链接（是小语种的文件）：
链接：https://pan.baidu.com/s/1WlWtPNzvS-hgYH5s4B0bcw
提取码：9999

Stubborn

至于你后面要提取空格少于5的话，符合条件的都晒选出来了，遍历一次，用分割函数，得到前后两段数据，在用count函数统计后段的空格数量即可

1. 
   
2. 
   
3. #!/usr/bin/env python
   
4. # -*- coding: utf-8 -*-
   
5. import re
   
6. txt = open(path).read()
   
7. res = re.findall(".*?&.*?#.*?\.", txt)
   
8. result = []
   
9. for each in res:
   
10.     a, b = each.split('#')
    
11.     if b.count(" ") < 5:
    
12.         result.append(each)
    
13. 
    

复制代码

suchocolate

Amgalang 发表于 2021-12-3 10:26
好的，我把 指代有“#”符号的筛选出来，在其上 跑了下代码，然后：
Traceback (most recent call last) ...

看了下原始文档，有的行确实没有#，而有的行有多个#。
稍稍改下即可。

1. with open(r"C:\Users\amgalang\Desktop\第二章\词典资源中被标注的研究词条集合 - 副本.txt", encoding="utf-8") as f:
   
2.     s = f.read()
   
3. result = []
   
4. for line in s.split('\n'):
   
5.     if '&' in line and '#' in line:
   
6.         lh, lb = line.split('#', 1)
   
7.         if lb.count(' ') < 5:
   
8.             result.append(line)
   
9. print(result)
   

复制代码

Amgalang

z5560636 发表于 2021-12-3 10:26
加个异常处理机制就好了.

感谢您的帮助，代码学到了，good night~

Amgalang

suchocolate 发表于 2021-12-3 11:43
看了下原始文档，有的行确实没有#，而有的行有多个#。
稍稍改下即可。

好的，谢谢哒

Amgalang

Stubborn 发表于 2021-12-3 10:37
至于你后面要提取空格少于5的话，符合条件的都晒选出来了，遍历一次，用分割函数，得到前后两段数据，在用c ...

感谢您的帮助，正在学习代码，谢谢哒 good night~