python - 用Python读取一些乱七八糟的文件

Question

我为 .off 类型的文件编写了一个小型解析函数。在此文件格式中，第一行应该只是字母“OFF”，第二行应该是 3 个数字，指示文件其余部分的大小。

我有数千个这样的文件。然而，在这些文件的一小部分随机百分比中，前两行被错误地连接(不知道为什么)。由于缺少使用 readline() 而不是 readlines() 进行迭代，我似乎无法在阅读时找到解决此问题的方法。

还请假设更改所有文件也是不切实际的(我考虑过尝试 bash 脚本，但它是一个公共(public)数据集，那么我将来可能会继续从中提取)。

有什么建议可以解决这些损坏的标题行吗？

这是我当前的解析函数:

import numpy as np
def off_vertex_parser(self, path_to_off_file):
    print path_to_off_file
    # Read the OFF file
    with open(path_to_off_file, 'r') as f:
        contents = f.readlines()

    # Find the number of vertices contained
    num_vertices = int(contents[1].strip().split(' ')[0])

    # Convert all the vertex lines to a list of lists
    vertex_list = [map(float, contents[i].strip().split(' ')) 
                    for i in range(2, 2+num_vertices)]

    # Return the vertices as a 3 x N numpy array
    return np.array(vertex_list).transpose(1,0)

以下是 .off 文件的两个示例。第一个格式正确:

OFF
5 0 0
-12.280500 26.701300 10.653150
-12.575700 26.313400 11.003550
-12.569100 26.309300 10.653150
-13.208100 25.441200 10.653150
-12.569100 26.309300 10.653150

第二个格式不正确:

OFF5 0 0
-12.280500 26.701300 10.653150
-12.575700 26.313400 11.003550
-12.569100 26.309300 10.653150
-13.208100 25.441200 10.653150
-12.569100 26.309300 10.653150

Answer 1

您可以解析任一格式的顶点，例如:

# Find the number of vertices contained
if contents[0].strip().lower() != 'off':
    num_vertices = int(contents[0].strip()[3:].split(' ')[0])
    start_line = 1
else:
    num_vertices = int(contents[1].strip().split(' ')[0])
    start_line = 2

# Convert all the vertex lines to a list of lists
vertex_list = [map(float, contents[i].strip().split(' ')) 
                for i in range(start_line, start_line+num_vertices)]