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 re
import sys
import 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 os
path = '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()。
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 = 1
def 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/python
import sys
import os
os.system("ifconfig > ip.info")
fs = open("ip.info",'r+')
flag = 0
def get_ip():
for line in fs.readlines():
a = line.split()
if a != [] and a[0] == "eth0":
flag = 1
if a != [] and a[0] == "lo":
flag = 0
if flag == 0:
continue
else:
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