目录
- 简单版
- 使用filter
- 读取utf-8带bom的文件
- 多文件清洗
- 清洗数据同时记录订单号并排序
- 清洗sql文件，将数据表名放入excel中
- 总结
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
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
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。
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
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
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
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。
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脚本之家其它相关文章！
您可能感兴趣的文章:- Python数据清洗工具之Numpy的基本操作
- python 利用已有Ner模型进行数据清洗合并代码
- python实现数据清洗(缺失值与异常值处理)
- python3常用的数据清洗方法(小结)
- 用Python实现网易云音乐的数据进行数据清洗和可视化分析
