使用 python 从文本文件中提取数据

Question

我有一个文本文件，其中包含这样一行：

Component Sizing Information, AirTerminal:SingleDuct:VAV:Reheat, SPACE2-1 VAV REHEAT, Design Size Maximum Flow per Zone Floor Area during Reheat [m3/s-m2], 1.31927E-003

我想提取行尾的数字 (1.31927E-003)，当数字之前的语句是（只是一个例子！）：

Design Size Maximum Flow per Zone Floor Area during Reheat [m3/s-m2]

事实上，文本文件中有几个这样的关键语句，我需要分别提取它们后面的数字。

您推荐什么库和方法？（使用 python 3）。谢谢！

Answer 1

再模块

Python 有一个正则表达式模块，可用于基于编程模式的文本提取。

re是Python中的正则表达式模块 3.

这是一种适用于您的特定情况的模式（但可能需要根据字符串的一致性进行更改）

模式

找出适合您的情况的模式 - 对于您的情况，我们可以确定以下内容：

你有一个数字可以重复0-9的整数:
```
`[0-9]+`
```

你有一个小数点：

`\.` # \ is used as an escape character for a literal . as . has a use in regex

你有一串数字，它包含字母 E 和一个连字符 -
```
`[0-9E-]+`
```

按顺序组合这些功能：

pattern = r'[0-9]+\.[0-9E-]+'

注意在许多正则表达式示例中，字符串前的 r'...' 经常出现 - r 表示原始字符串，可以更好地处理潜在的转义字符在字符串中。

Python

中的正则表达式

我们需要将其编译为regex（正则表达式）对象： prog = re.compile(pattern)

findall 方法将 return 所有字符串的列表（不重叠） - 还有其他方法，例如 re.search 和 re.match 具有其他具体产出：

results = re.findall(prog, your_string)

测试

import re
mystr = 'Component Sizin1..31927J-003ggnoor' \
        ' Ar1.31927E-003ea' \
        ' du' \
        'rin1g.31927E-003g Re' \
        'he1.t31927E-003at ' \
        '[m3/s-m1.34545457E-0032], 1.3' \
        '191.31927E-00327' \
        'E-01...31927E-00303'

pattern = r'[0-9]+\.[0-9E-]+'
prog = re.compile(pattern)
results = re.findall(pattern, mystr)
print(results)

.........

['1.31927E-003', '1.34545457E-0032', '1.3191']

要学习正则表达式需要练习（和良好的交互环境）——例如regex101

Answer 2

如果你所有的行都相似，你可以拆分原始行并提取数字为：

string = "Component Sizing Information, AirTerminal:SingleDuct:VAV:Reheat, SPACE2-1 VAV REHEAT, Design Size Maximum Flow per Zone Floor Area during Reheat [m3/s-m2], 1.31927E-003"
string = string.split(',')          #split the string at commas
number = string[-1]                 #Extract the last number.
number = number.strip()             #remove extra white spaces

使用 python 从文本文件中提取数据

Extracting data from text files using python

python

text-extraction

再模块

模式

Python

测试