如何完成此Python脚本以操作制表符分隔文件中的数据？

Question

我在一个制表符分隔的文件中有一个零件编号和序列号的列表，我需要使用连字符合并在一起来制作一个资产编号。

这是输入：

Part Number    Serial Number
PART1          SERIAL1
,PART2         SERIAL2
, PART3        SERIAL3

这是我想要的期望输出：

Part Number    Serial Number    Asset Number
PART1          SERIAL1          PART1-SERIAL1
,PART2         SERIAL2          PART2-SERIAL2
, PART3        SERIAL3          PART3-SERIAL3

我已经尝试了以下代码：

import csv
input_list = []
with open('Assets.txt', mode='r') as input:
    for row in input:
        field = row.strip().split('\t') #Remove new lines and split at tabs
        for x, i in enumerate(field):
            if i[0] == (','):   #If the start of a field starts with a comma
                field[x][0] = ('') #Replace that first character with nothing
                field[x].lstrip() #Strip any whitespace
        print(field)

此代码生成实际输出：

['Part Number', 'Serial Number']
['PART1', 'SERIAL1']
['",PART2"', 'SERIAL2']
['", PART3"', 'SERIAL3']

我的第一个问题是删除所有字段开头的逗号和空白的代码无法工作。

第二个问题是，有引号已添加到空白。

第三个问题是，我不知道如何将另一项添加到列表数组（资产编号），以便加入字段。

有人能帮我解决这些问题吗？

Answer 1

您可以尝试下面的代码，它可以完美地工作。

Part Number    Serial Number
PART1          SERIAL1
,PART2         SERIAL2
, PART3        SERIAL3

import re

def split_and_combine(in_path, out_path, new_column_name):
    format_string =  "{0:20s}{1:20s}{2:20s}"
    new_lines = [] # To store new lines

    # Reading input file to process
    with open(in_path) as f:
        lines = f.readlines()

        for index, line in enumerate(lines):
            line = line.strip()
            arr = re.split(r"\s{2,}", line)

            if index == 0:
                # Important to split words in case if words have more than single space
                new_line = format_string.format(arr[0], arr[1], new_column_name) + '\n'
            else:
                # arr = line.split()
                comma_removed_string = (arr[0] + "-" + arr[1]).lstrip(",").lstrip() 
                new_line = format_string.format(arr[0], arr[1], comma_removed_string) + '\n'

            new_lines.append(new_line)

    print(new_lines)

    # Writing new lines to: output.txt
    with open(out_path, "w") as f:
        f.writelines(new_lines)


if __name__ == "__main__":
    in_path = "input.txt"
    out_path = "output.txt"
    new_column_name = "Asset Number"

    split_and_combine(in_path, out_path, new_column_name)

Part Number         Serial Number       Asset Number        
PART1               SERIAL1             PART1-SERIAL1       
,PART2              SERIAL2             PART2-SERIAL2       
, PART3             SERIAL3             PART3-SERIAL3       

>

https://www.programiz.com/python-programming/methods/string/strip

Answer 2

import pandas as pd

data = {'Part Number': ['PART1',', PART2',',  PART3'],
        'Serial Number': ['Serial1','Serial2','Serial3']}

df = pd.DataFrame(data)

df.loc[:,'AssetNumber'] = df.loc[:,'Part Number'].apply(lambda x: str(x).strip().replace(',','')) + '-' + df.loc[:,'Serial Number'].apply(lambda x: str(x).strip().replace(',',''))

这会满足你的要求

在您处理CSV呼叫时

df = pd.read_csv('filepathasstring',sep='\t')

如果您有问题，请检查此问题的行数：

使用熊猫读取制表符分隔的文件-适用于Windows，但不适用于Mac

然后，您可以通过调用以下命令另存为分隔的选项卡：

df.to_csv('filepathasstring', sep='\t')

如果你还没有大熊猫，这里有一些方法：

https://pandas.pydata.org/pandas-docs/stable/install.html

Answer 3

您可以尝试去除逗号，即使它们不在这里也没有问题，因此不再需要if[0]==“，”：。也可以删除字符串，但该值不存储在列表中。这是固定的：

input_list = []
with open('Assets.txt', mode='r') as text_file:
    for row in text_file:
        field = row.strip('\n').split('\t') # Remove new lines and split at tabs.
        for n, word in enumerate(field):
            field[n] = word.lstrip(", ") # Strip any number of whitespaces and commas.
        print(field)

输出：

['Part Number', 'Serial Number']
['PART1', 'SERIAL1']
['PART2', 'SERIAL2']
['PART3', 'SERIAL3']

现在我们可以把一个Asset\u number=field[0]'-'字段[1]放在某个地方，它会给你想要使用的值PARTx SERIALx。

稍加修改即可获得所需的输出：

input_list = []
with open('Assets.txt', mode='r') as text_file:
    for m, row in enumerate(text_file):
        field = row.strip('\n').split('\t') # Remove new lines and split at tabs.
        for n, word in enumerate(field):
            field[n] = word.lstrip(", ") # Strip any number of whitespaces and commas.

        if m == 0: # Special case for the header.
            text_to_print = field[0] + '\t' + field[1]  + '\t' + 'Asset Number'
        else:
            Asset_number = field[0] + '-' + field[1]
            text_to_print = field[0] + '\t' + field[1]  + '\t' + Asset_number

        print(text_to_print)

打印输出为：

Part Number     Serial Number   Asset Number
PART1   SERIAL1 PART1-SERIAL1
PART2   SERIAL2 PART2-SERIAL2
PART3   SERIAL3 PART3-SERIAL3

由于某些原因，它在这里看起来不太好，但字符串仍然正确，选项卡位于预期位置，因此您应该可以将其写入新文件，而不是打印它。

'Part Number\tSerial Number\tAsset Number'
'PART1\tSERIAL1\tPART1-SERIAL1'
'PART2\tSERIAL2\tPART2-SERIAL2'
'PART3\tSERIAL3\tPART3-SERIAL3'