超基础的用Python处理文本实例

最近在进行一些实验，需要进行文本处理，提取文本中关键的字段数据，得到表格，进行分析。在此简要的进行记录。

一、需求是这样的：

得到的GPGPU-Sim运行的程序文本文档。那么我现在需要提取目标对应的键值。比如文本中有如下：

A1 = B1

A2 = B2

A3 = B3

.....

A5 = B5

我现在需要提取出A2和A5对应的键值B2以及B5，按照"B2 B5"这样的格式写入到文本中去。如何用Python代码来实现？

需要提取的字段为：

'gpu_sim_insn','gpu_ipc','L1I_total_cache_accesses','L1D_total_cache_accesses','gpgpu_n_tot_thrd_icount','gpgpu_n_tot_w_icount','gpgpu_n_mem_read_local','gpgpu_n_mem_write_local','gpgpu_n_mem_read_global','gpgpu_n_mem_write_global','gpgpu_n_mem_texture','gpgpu_n_mem_const','gpgpu_n_load_insn','gpgpu_n_store_insn','gpgpu_n_shmem_insn','gpgpu_n_tex_insn','gpgpu_n_const_mem_insn','gpgpu_n_param_mem_insn'

代码如下：

import reimport sysimport os,glob#定义目录：目录下有多个文件需要处理path = 'D:\\GPUClusters\\Stargazer-master\\EXP_RESULT'#定义输出文件fout = open("res.txt",'w')x = [     'gpu_sim_insn',     'gpu_ipc',     'L1I_total_cache_accesses',     'L1D_total_cache_accesses',     'gpgpu_n_tot_thrd_icount',     'gpgpu_n_tot_w_icount',     'gpgpu_n_mem_read_local',     'gpgpu_n_mem_write_local',     'gpgpu_n_mem_read_global',     'gpgpu_n_mem_write_global',     'gpgpu_n_mem_texture',     'gpgpu_n_mem_const',     'gpgpu_n_load_insn',     'gpgpu_n_store_insn',     'gpgpu_n_shmem_insn',     'gpgpu_n_tex_insn',     'gpgpu_n_const_mem_insn',     'gpgpu_n_param_mem_insn'     ]#改变路径os.chdir(path)#遍历目录下的所有文件for filename in os.listdir():    fs = open(filename,'r+')#处理文件中的每一行数据    for line in fs.readlines():        a = line.split()        if a != [] and a[0] in x:            fout.write(a[-1]+'\t')            if a[0] == 'gpgpu_n_param_mem_insn':                fout.write('\n')                break                fout.write('\n')  fout.close()

解释一下代码中的几个问题：

1.在一个目录下有多个文件，每个文件都要读取一次，并进行文本处理，如何实现？

#比如d:\work下面是你要读取的文件，代码可以这样写:import ospath = 'd:\\work' #or path = r'd:\work'os.chdir(path)for filename in os.listdir():    file = open(filename,'r')    for eachline in file.readlines():        #process eachline

2.Python中.read(), .readline(), .readlines()区别？

Python 将文本文件的内容读入可以操作的字符串变量非常容易。文件对象提供了三个“读”方法： .read()、.readline() 和 .readlines()。每种方法可以接受一个变量以限制每次读取的数据量，但它们通常不使用变量。 .read() 每次读取整个文件，它通常用于将文件内容放到一个字符串变量中。然而 .read() 生成文件内容最直接的字符串表示，但对于连续的面向行的处理，它却是不必要的，并且如果文件大于可用内存，则不可能实现这种处理。

.readline() 和 .readlines() 非常相似。它们都在类似于以下的结构中使用：

Python .readlines() 示例

fh = open('c:\\autoexec.bat')for line in fh.readlines():    print line

.readline() 和 .readlines() 之间的差异是后者一次读取整个文件，象 .read() 一样。.readlines() 自动将文件内容分析成一个行的列表，该列表可以由 Python 的 for ... in ... 结构进行处理。另一方面，.readline() 每次只读取一行，通常比 .readlines() 慢得多。仅当没有足够内存可以一次读取整个文件时，才应该使用 .readline()。

3.split方法：http://www.w3cschool.cc/python/att-string-split.html

二、再举一个简单的例子：

有如下文本"record.txt":

boy:what's your name?girl:my name is lebaishi,what about you?boy:my name is wahaha.girl:i like your name.==============================================girl:how old are you?boy:I'm 16 years old,and you?girl:I'm 14.what is your favorite color?boy:My favorite is orange.girl:I like orange too!==============================================boy:where do you come from?girl:I come from SH.boy:My home is not far from you,I live in Jiangsu province.girl:Let's be good friends.boy:OK!

需求：将文件（record.txt）中的数据进行分割并按照以下规律保存起来：

--boy的对话单独保存为boy_*.txt的文件（去掉"boy:"）

--girl的对话单独保存为girl_*.txt的文件（去掉"girl:"）

--文件中总共有三段对话，分别保存为boy_1.txt,girl_1.txt,boy_2.txt,girl_2.txt,boy_3.txt,girl_3.txt共六个文件（文件中的不同的对话已经用"======="分割）。

代码：

boy_log = []girl_log = []version = 1def save_to_file(boy_log,girl_log,version):    filename_boy = 'boy_' + str(version) + ".txt"    filename_girl = 'girl_' + str(version)  + ".txt"    fb = open(filename_boy,"w")    fg = open(filename_girl,"w")    fb.writelines(boy_log)    fg.writelines(girl_log)                fb.close()    fg.close()def process(filename):    file = open(filename,"r")    for eachline in file.readlines():        if eachline[:6] != "======":            mylist = eachline.split(":")            if mylist[0] == "boy":                global boy_log                boy_log.append(mylist[-1])            else:                global girl_log                girl_log.append(mylist[-1])        else:            global version            save_to_file(boy_log,girl_log,version)            version += 1            boy_log = []            girl_log = []                save_to_file(boy_log,girl_log,version)if __name__ == "__main__":    fn = "record.txt"    process(fn)

两个例子都是非常基础也很使用的，记录下来以便以后查阅。

再来一个简单的需求，我需要获取Linux上的ipv4的eth0地址，代码如下：

#/usr/bin/pythonimport sysimport osos.system("ifconfig > ip.info")fs = open("ip.info",'r+')flag = 0def get_ip():for line in fs.readlines():a = line.split()if a != [] and a[0] == "eth0":flag = 1if a != [] and a[0] == "lo":flag = 0if flag == 0:continueelse:for item in a:if a[0] == "inet" and item[0:5] == "addr:":return item[5:]ip = get_ip()print ip

注明出处：http://blog.csdn.net/lavorange/article/details/41647091