python - 在 Python 中解析制表符分隔的文件

Question

我正在尝试在 Python 中解析一个制表符分隔的文件，其中一个数字将 k 个制表符放置在与行首分开的位置，应将其放入第 k 个数组中。

除了逐行阅读并执行天真的解决方案将执行的所有明显处理之外，是否有内置功能或更好的方法来执行此操作？

Answer 1

您可以使用该csv模块轻松解析制表符分隔值文件。

import csv

with open("tab-separated-values") as tsv:
    for line in csv.reader(tsv, dialect="excel-tab"): #You can also use delimiter="\t" rather than giving a dialect.
        ... 

whereline是每次迭代的当前行上的值列表。

编辑：如下所示，如果你想按列而不是按行阅读，那么最好的办法是使用zip()内置：

with open("tab-separated-values") as tsv:
    for column in zip(*[line for line in csv.reader(tsv, dialect="excel-tab")]):
        ...

Answer 2

我认为当前的任何答案都不能真正做到您所说的。（更正：我现在看到@Gareth Latty / @Lattyware 已将我的答案合并到他自己的答案中，作为接近结尾的“编辑”。）

无论如何，这是我的看法：

假设这些是输入文件中的制表符分隔值：

1   2   3   4   5
6   7   8   9   10
11  12  13  14  15
16  17  18  19  20

那么这个：

with open("tab-separated-values.txt") as inp:
    print( list(zip(*(line.strip().split('\t') for line in inp))) )

将产生以下内容：

[('1', '6', '11', '16'), 
 ('2', '7', '12', '17'), 
 ('3', '8', '13', '18'), 
 ('4', '9', '14', '19'), 
 ('5', '10', '15', '20')]

如您所见，它将每行的第 k 个元素放入第 k 个数组中。

Answer 3

像这样：

>>> s='1\t2\t3\t4\t5'
>>> [x for x in s.split('\t')]
['1', '2', '3', '4', '5']

对于文件：

# create test file:
>>> with open('tabs.txt','w') as o:
...    s='\n'.join(['\t'.join(map(str,range(i,i+10))) for i in [0,10,20,30]])
...    print >>o, s

#read that file:
>>> with open('tabs.txt','r') as f:
...    LoL=[x.strip().split('\t') for x in f]
... 
>>> LoL
[['0', '1', '2', '3', '4', '5', '6', '7', '8', '9'], 
 ['10', '11', '12', '13', '14', '15', '16', '17', '18', '19'], 
 ['20', '21', '22', '23', '24', '25', '26', '27', '28', '29'], 
 ['30', '31', '32', '33', '34', '35', '36', '37', '38', '39']]
>>> LoL[2][3]
23

如果要转置输入：

>>> with open('tabs.txt','r') as f:
...    LoT=zip(*(line.strip().split('\t') for line in f))
... 
>>> LoT[2][3]
'32'

或者（更好）在默认分发中使用 csv 模块...

Answer 4

您可以通过 python pandas pd.read_csv ('file_name.tsv', sep='\t')轻松地做到这一点

---

[注意：需要使用pip install pandas这个命令安装pandas]