将单列拆分为两列

Question

我有的数据格式如下所示：

###John###
someData1
someData2
SomeData3
###Mike###
someData1
someData2
###Ford###
someData1
someData2
SomeData3
someData4
someData5
SomeData6

我希望输出结果为:

John  someData1
      someData2
      someData3

Mike  someData1
      someData2

Ford  someData1
      someData2
      someData3
      someData4
      someData5
      someData6

这里的问题是每个名称下方的数据（某些数据？）数量不同且未知。我唯一能使用的部分是前导字符###，表示新名称的开始。 某些数据？是一个单词。如何完成这项任务？

- 0x0

Answer 1

我会使用类似以下的内容：

我会使用这样的东西：

def fixup(iterable):
    it = iter(iterable)
    for x in it:
        if x.startswith('###'):
            yield '\n{0}\t{1}'.format(x.strip('#'),next(it))
        else:
            yield '\t{0}'.format(x)

这会在第一行多一个换行符，但如果你真的想要去掉它，那很容易去掉。

- mgilson

---

使用 x.strip('#') 替代 .replace() :-) - Martijn Pieters

Answer 2

Awk非常适合这种情况：

$ awk '/^#/{gsub(/#/,"");printf "%s",NR!=1?"\n"$0:$0;next}{print "\t"$0}' file
John    someData1
        someData2
        SomeData3

Mike    someData1
        someData2

Ford    someData1
        someData2
        SomeData3
        someData4
        someData5
        SomeData6

看起来在 Mac 上的 awk 不支持三元运算符 ? :，所以请使用这个适用于 Mac 的版本:

$ awk '/^#/{gsub(/#/,"");printf n"%s",$0;n="\n";next}{print "\t"$0}' file 

- Chris Seymour

---

你确定这个能正常工作吗？它给我抛出了一个错误，说 源代码的第一行有语法错误... /^#/{gsub(/#/,"");printf "%s",NR!= - 0x0

你所在的平台和 awk 版本是什么？可以确定的话，可以在这里查看 http://ideone.com/5Ca8za。 - Chris Seymour

$awk -version 输出 awk 版本 20070501。它仍然给我相同的错误。 - 0x0

你似乎使用的是旧/损坏的awk，你在使用Solaris吗？你需要使用/usr/xpg4/bin/awk。 - Chris Seymour

这非常奇怪。我使用的是macOSX 10.8.3。 - 0x0

@Sunil 很有趣，我登录了一台 Mac 机器，它不喜欢三元运算符，我已经添加了一个 Mac 友好的答案，但我建议你安装 GNU awk :] - Chris Seymour

Answer 3

一个itertools方法：

from itertools import groupby

with open('yourfile') as fin:
    for k, g in groupby(fin, lambda L: L.startswith('###')):
        if k:
            name = next(g).strip('#\n')
        else:
            print '{}\t{}'.format(name, next(g)),
            for line in g:
                print '\t{}'.format(line),
            print

- Jon Clements

---

组之间不要用空行分隔。 - Chris Seymour

@sunil 然后只需添加一个 print - 目前正在使用移动设备，无法编辑帖子。 - Jon Clements

Answer 4

以下提供所需的确切输出：

from sys import stdout

with open('file') as f:
    for n,line in enumerate(f):        
        if line.startswith('###'):            
            stdout.write(('' if not n else '\n')+line.strip('#\n'))
        else:
            stdout.write('\t'+line)

输出：

John    someData1
        someData2
        SomeData3

Mike    someData1
        someData2

Ford    someData1
        someData2
        SomeData3
        someData4
        someData5
        SomeData6

- Chris Seymour

Answer 5

你可以使用 re.split 轻松分割数据

import re
namesInfo = re.split('###(.*?)###', dataString)

然后您会得到一个名称数组，后面跟着相关的数据。 然后您可以解析每个名称的数据。

- niroyb