0

我正在尝试在 Python 3.0 中编写代码以逐行重新格式化数据文件。代码读取每一行，将该行转换为列表，然后读取列表的每个元素。然后修改每个列表元素并将其复制到输出文件中。

问题是某些元素包含反斜杠字符，Python 会将其解释为命令或莫名其妙地忽略。Python中有什么方法可以读取和/或提取列表的元素作为原始字符串或文字字符串？

我的代码如下：

import shlex
import sys
import fileinput
import string
inputFile = list(open("inputfile.txt","r"))
outputFile = open("outputFile.txt","a")

for i in range(1,len(inputFile)):
    print(inputFile[i])
    line = shlex.shlex(inputFile[i], posix = True)
    line.whitespace = "\t"
    line.whitespace_split = True
    line = list(line)
    for j in range(0,3):
        cell = line[j]
        cell_1 = cell.replace("\\","\\\\")
        outputFile .write(("%s\t")%(cell_1))
    for k in range(4,len(line)):
        cell = str(line[k])
        cell_1 = cell.replace(" | ","\t")
        if cell_1 == "-":
            outputFile .write("-\t-\t")
        if cell_1 == "unknown":
            outputFile .write("unknown\t-\t")
        else:
            outputFile .write(("%s\t")%(cell_1))

输入示例为：GA10034 7421353 7424287 FBgn0070093 Dpse\GA10034 proteolysis | 从 InterPro:IPR007484 的电子注释推断 - - - - 未知 - - - 肽酶活性 | 从 InterPro 的电子注释中推断：IPR007484 - - - - - -

示例输出行是： GA10034 7421353 7424287 DpseGA10034 proteolysis inferred from electronic annotation with InterPro:IPR007484 - - - - - - - - - - - unknown - - - - - - - - - - peptidase activity inferred from electronic annotation with InterPro:IPR007484 - - - - - - - - - -

输出中删除了 Dpse 和 GA10034 之间的 \。

（该脚本还在每个新行的开头添加一个制表符 - 从第二行开始 - 在输出中；并且莫名其妙地在输入文件的 3/4 处失败，声称“没有结束引号"；但我认为最好一次解决一个问题）

4

1 回答 1

1

您的问题似乎是您posix = True在创建解析器时指定，它解释反斜杠和引号。但是，听起来您不想要这些行为，因此您应该posix = False改用。

于 2013-06-03T15:52:14.510 回答