python 如何读取 tsv 文件，清理它并另存为新文件？

Question

我想从 tsv 文件的第 4 列中删除所有标点符号，然后保存整个文件。这是我的代码:

import csv
import string

exclude = set(string.punctuation)

with open("test1") as tsvfile:
    tsvreader = csv.reader(tsvfile, delimiter="\t")
    for line in tsvreader:
        line[4] = ''.join(ch for ch in line[4] if ch not in exclude)
    tsvfile.close()

上面的代码工作正常，但我的文件没有保存我所做的更改。如何保存旧文件中的更改？

Answer 1

您没有编写任何更改，您只是更改每一行中的每五个元素而不对其进行任何操作，如果您想更改原始文件，您可以写入 tempfile 并执行shutil.move 用更新后的临时文件替换原始文件:

import string

exclude = string.punctuation
from tempfile import NamedTemporaryFile
from shutil import move

with open("test1") as tsvfile, NamedTemporaryFile(dir=".",delete=False) as t:
    tsvreader = csv.reader(tsvfile, delimiter="\t")
    temp = csv.writer(t,delimiter="\t")
    for row in tsvreader:
        row[4] = row[4].strip(exclude)
        temp.writerow(row)

move(t.name,"test1")

如果您想创建一个新文件而不是更新原始文件，您只需要打开一个新文件并写入每个清理过的行:

with open("test1") as tsvfile, open("out","w") as  t:
    tsvreader = csv.reader(tsvfile, delimiter="\t")
    temp = csv.writer(t,delimiter="\t")
    for row in tsvreader:
        row[4] = row[4].strip(exclude)
        temp.writerow(row)

去除标点符号 str.strip(exclude) 就足够了。如果你想从任何地方删除，你可以返回 ''.join([ch for ch in line[4] if ch not in exclude]) 但如果你要从任何地方删除，那么你应该使用 str.translate:

 row[4] = row[4].translate(None,exclude) 

如果要加空格:

from string import maketrans
tbl = maketrans(exclude," "*len(exclude))

....
row[4] = row[4].translate(tbl) 

最后，如果您实际上是指第四列，那么它将是 row[3] 而不是 row[4]