Mes données ressemblent à ceci
delim=",","-",":"
regexPattern = '|'.join(map(re.escape, delim))
with open('output.csv', 'w', newline='') as csvfile:
writer = csv.writer(csvfile)
re.split(regexPattern,data)
writer.writerows(data)
J'essaie de séparer cette liste imbriquée dans chaque colonne de date, heure, nom d'utilisateur, message.
Maintenant, mes délimiteurs sont
, pour séparer la date,
- pour séparer l'heure,
: pour séparer le nom d'utilisateur et le message
Mais le problème est que si j'utilise : , il divisera également le temps puisque c'est au format XX: XX .
À partir de maintenant, ma première étape est d'obtenir le fractionnement correctement, puis je peux avancer avec la conversion en csv.
Tentative 1 - J'ai essayé de diviser les données directement pendant la lecture, mais rien n'a changé.
delim=",","-",":"
regexPattern = '|'.join(map(re.escape, delim))
data = []
for line in open('/content/drive/My Drive/sample.txt'):
items = line.rstrip('\r\n').split(regexPattern) # strip new-line characters and split on column delimiter
items = [item.strip() for item in items] # strip extra whitespace off data items
data.append(items)
Tentative 2 - J'ai essayé de me diviser en écrivant en csv
[['15/09/16, 12:21 pm - User1: Hey'], ['15/09/16, 12:22 pm - User2: <Media omitted>'], ["15/09/16, 12:22 pm - User2: It's yesterday's work"], ['15/09/16, 12:22 pm - User1: Gotta work on it.']]
Cela génère une erreur car split attend une chaîne et j'ai une liste. Je ne sais pas comment atteindre mon objectif principal.
Toute aide est appréciée.
3 Réponses :
C'est un cas parfait pour utiliser des groupes d'expression régulière.
s = '15/09/16, 12:21 pm - User1: Hey'
ms = re.match(r'(\d+/\d+/\d+).+?(\d+:\d+).+-\s(.*):\s(.*)', s)
print(ms.groups()) # ('15/09/16', '12:21', 'User1', 'Hey')
Vous pouvez les rejoindre à la ligne csv.
L'heure doit être 12:21 et l'utilisateur est également ignoré
@DeveshKumarSingh Oups faute de frappe dans l'expression régulière, corrigé.
Utilisez le modèle re.compile(r",|\-|\:\s+")
Ex: final
('15/09/16', '12:21 pm', 'User1', 'Hey')
('15/09/16', '12:22 pm', 'User2', '<Media omitted>')
('15/09/16', '12:22 pm', 'User2', "It's yesterday's work")
('15/09/16', '12:22 pm', 'User1', 'Gotta work on it, what,hello.')
cela fonctionne bien mais il se divise à nouveau s'il rencontre «,» à nouveau dans la colonne Message. Je veux qu'il ignore le fractionnement dans la colonne des messages
J'ai utilisé maxsplit = 3 pour mon cas d'utilisation. Je pense que cela devrait fonctionner.
sans sortie RegEx
[['15/09/16', '12:21 pm', 'User1', 'Hey'], ['15/09/16', '12:22 pm', 'User2', '<Media omitted>'], ['15/09/16', '12:22 pm', 'User2', "It's yesterday's work"], ['15/09/16', '12:22 pm', 'User1', 'Gotta work on it.']]
def parse(item):
date_time, user_message = item.split(' - ', 1)
return [*date_time.split(', '), *user_message.split(': ', 1)]
eggs = [['15/09/16, 12:21 pm - User1: Hey'],
['15/09/16, 12:22 pm - User2: <Media omitted>'],
["15/09/16, 12:22 pm - User2: It's yesterday's work"],
['15/09/16, 12:22 pm - User1: Gotta work on it.']]
spam = [parse(egg[0]) for egg in eggs]
print(spam)
salut @PirateX avez-vous un cas où les utilisateurs ont
-ou,ou;à tout autre endroit en dehors de ces endroits attendus.À en juger par son commentaire sur la réponse de Rakesh, il le fait.
Oui, la colonne de message peut ou non avoir l'un des délimiteurs