如何用python清洗文件中的数据

时间:2022-10-03 18:08:53

简单版

直接打开日志文件,往另外一个文件中按照要过滤的要求进行过滤

?
1
2
3
4
5
6
import io;
with open('a.txt', 'w') as f:   
    for line in open('c:/201509.txt'):   
        if line.find('更改项目')>0 and line.find('500')>0
            f.write(line+"\n");
print("输出完成");

注意.find返回的是字符串在目标的第几位,要和0作比较 另外使用and而不是&&作为"和",使用or而不是||作为"或" w是写,r是读,a是追加

使用filter

?
1
2
3
4
5
6
7
import io;
def isData(s):
    return s.find('更改项目')>0 and s.find('500')>0;
with open('a.txt', 'w') as f:            
       list1=list(filter(isData,open('c:/201509.txt')));   
       for (offset,item) in enumerate(list1):
            f.write(str(offset)+":"+item);

读取utf-8带bom的文件

微软会在在 UTF-8 文件中放置 BOM头(顺便提一下:把带有 BOM 的小端序 UTF-16 称作「Unicode」而又不详细说明,这也是微软的习惯。不含BOM的UTF-8才是标准形式,UTF-8不需要BOM,带BOM的UTF-8文件的开头会有U+FEFF,所以Windows新建的空文件会有3字节的大小。

?
1
2
3
4
import codecs
with codecs.open('c:/20160907205.log', encoding='utf_8_sig') as f:
    for line in f:
        print(line)

注意编码格式是utf_8_sig

多文件清洗

对多个文件进行过滤,可以借助其名称的规律,遍历文件之后

?
1
2
3
4
5
6
7
8
9
10
import codecs
with codecs.open('a.txt','a', encoding='utf_8_sig') as f:
    for i in range(205,210):
        f.write(str(i)+"\r\n");  
        print(str(i));
        for line in open('c:/20160907'+str(i)+'.log', encoding='utf_8_sig'):
            if line.find('url为')>=0
                print(line);
                f.write(line+"\r\n");
print("输出完成");

清洗数据同时记录订单号并排序

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import codecs
a=0;
List=[];
with codecs.open('a.txt','a', encoding='utf_8_sig') as f:   
    for i in range(205,210):
        for line in open('c:/20160907'+str(i)+'.log', encoding='utf_8_sig'):
            if line.find('url为')>=0
                ind=line.find("XFLucky");               
                if ind>=0:
                    nums=line[ind:ind+22];                   
                    print(nums);
                    List.append(nums);                  
                a=a+1;
                print(line);
                f.write(str(i)+line+"\r\n");             
List.sort();
for item in List:
    print(item);         
print("输出完成"+str(a));

清洗sql文件,将数据表名放入excel中

安装openpyxl

?
1
pip install openpyxl

安装之后就可以进行sql建表语句的过滤了,将所有的表名和注释写入我们的excel文件中。

?
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
import re
import openpyxl
 
data = []
temp = []
wb = openpyxl.load_workbook('data.xlsx')
ws2 = wb.create_sheet(index=2, title='addSheet_test')
for line in open('wlzcool.sql', encoding='utf-8'):
    if line.find('CREATE TABLE') >= 0:
        matchObj1 = re.search('`(.*?)`', line, re.M | re.I)
        if matchObj1:
            # print("matchObj.group(1) : ", matchObj1.group(1))
            print(matchObj1.group(1))
            temp.append(matchObj1.group(1))
    if line.find('ROW_FORMAT = Dynamic') >= 0:
        matchObj2 = re.search('\'(.*?)\'', line, re.M | re.I)
        if matchObj2:
            # print("matchObj.group(1) : ", matchObj2.group(1))
            print(matchObj2.group(1))
            temp.append(matchObj2.group(1))
        else:
            print("no comment")
            temp.append("no comment")
        data.append(temp)
        temp = []
for row in data:
    ws2.append(row)
wb.save('data.xlsx')
print("输出完成")

总结

人生苦短,我用 Python,在强大的第三方库帮助下,我们只需很少的代码就可以实现很大数据量的文件的清洗。

以上就是如何用python清洗文件中的数据的详细内容,更多关于python清洗文件中的数据的资料请关注服务器之家其它相关文章!

原文链接:https://juejin.cn/post/6974352198482280456