使用 Python 或 Pandas，仅从 txt 或 dat 文件中提取字符串

Question

我有一个具有以下形状且有几百行长的 .dat 文件：

AlOH                 200  6000  1000
 7.882068110E+05 -2.263671626E+03  7.823954880E+00  1.821171456E-04 -8.263729320E-08  1.265414876E-11 -6.875972530E-16 -1.039808093E+04 -2.209032458E+01
 5.876493180E+04 -9.449422690E+02  7.820599180E+00  5.858888470E-04 -4.083666810E-06  4.587229340E-09 -1.563936726E-12 -1.993283011E+04 -2.065043885E+01
Al2O                 200  6000  1000
-1.171074351E+05 -1.783009166E+02  7.633215360E+00 -5.335931770E-05  1.180702791E-08 -1.355444579E-12  6.287323890E-17 -1.947580149E+04 -1.415764167E+01
 7.776530700E+03 -1.294235361E+02  4.912509520E+00  8.604223450E-03 -1.217703648E-05  8.314634870E-09 -2.237722201E-12 -1.886512879E+04 -2.806368311E-02
Al2O3                200  6000  1000
-2.777784969E+05 -4.917465930E+02  1.386703888E+01 -1.469381940E-04  3.250406490E-08 -3.730867350E-12  1.730444284E-16 -6.790757850E+04 -4.375559873E+01
-7.443374320E+03  8.829004210E+01  5.264662640E+00  2.507678848E-02 -3.434541650E-05  2.302516980E-08 -6.122529280E-12 -6.872685950E+04  2.202324298E+00

我只想从中提取化学名称（因此只提取字符串），最好是像 [AlOH, Al2O, Al2O3, ...] 这样的列表。我试图用 pandas 来做到这一点，但由于列的奇怪格式，文件没有被正确读取。我还没有在互联网上找到任何其他简短的解决方案，尽管这应该有一个很好的 pythonic 解决方案。

有没有解决方案如何只提取字符串？

建议的解决方案：

chemicals = []
with open('bla_file.dat') as file:
    for line in file: 
        line = line.split()
        for item in line:
            try:
                float(item)
            except ValueError:
                chemicals.append(item)

请post任何可能更简单或更短的解决方案！

Answer 1

从解析开始，然后 select 根据字符或数据类型删除您想要的字符串或删除select 不需要的字符串。

根据不需要的字符串中的字符去除select的示例：

nstr = ['.','+','-']

for line in lines:
    str = line.split(' ')

    for str in line:
        if str.findall(nstr):
            continue
        else
            print str

Answer 2

如果您将其作为列表阅读，则：

lst = [1,5,'Chemical1', 1.05543, 'Chemical2']
chemLst = []
for x in lst:
    if isinstance(x, str):
        chemLst.append(x)

或

chemLst = [i for i in lst if isinstance(i, str)]

Answer 3

您可以使用列表理解来创建化学物质 headers 并使用正则表达式来匹配其名称：

with open('bla_file.dat') as f:

    chemicals = [re.findall('^\w+',line)[0] for line in f.readlines() if re.search('^\w+',line)]

在你展示的例子中returns:

['AlOH', 'Al2O', 'Al2O3']

在本例中，您只是简单地匹配每行中化学品名称所需的模式，如果匹配则将其添加到列表中。但是您仍然需要逐行阅读以创建列表。

使用 Python 或 Pandas，仅从 txt 或 dat 文件中提取字符串

With Python or Pandas, extract only the strings from a txt or dat-file

python

extraction

file-read

dataframe

pandas