在空格格式的报表中分析多行标头

Question

我正在尝试解析表中具有多行标题的文件：                        Categ_1   Categ_2   Categ_3    Categ_4data1 Group             Data      Data      Data       Data     (     %)  Options--------------------------------------------------------------------------------param_group1            6.366e-03 6.644e-03 6.943e-05    0.0131 (57.42%)  iparam_group2            1.251e-05 7.253e-06 4.256e-04 4.454e-04 ( 1.96%)  param_group3            2.205e-05 6.421e-05 2.352e-03 2.438e-03 (10.70%)  param_group4            1.579e-07    0.0000 1.479e-05 1.495e-05 ( 0.07%)  param_group5            3.985e-03 2.270e-07 2.789e-03 6.775e-03 (29.74%)  param_group6            0.0000    0.0000    0.0000    0.0000 ( 0.00%)  param_group7            -8.121e-09                                     0.0000 1.896e-08 1.084e-08 ( 0.00%)  我过去曾成功地使用pyparsing来解析这样的表，但是标题在一行中，并且没有一个标题字段在它们中有多个空格(    %)我是这样做的：def mustMatchCols(startloc,endloc):    return lambda s,l,t: startloc <= col(l,s) <= endloc+1def tableValue(expr, colstart, colend):    return Optional(expr.copy().addCondition(mustMatchCols(colstart,colend), message="text not in expected columns"))if header:    column_lengths = determine_header_column_widths(header_line)# Then run the tableValue function for each start,end pair.是否有任何内置的构造/示例用于在pyparsing或任何其他方法中解析此类空间格式的表？

Answer 1

如果您可以预先确定列宽，则下面是将多个列标题拼接在一起的代码：

headers = """\

                        Categ_1   Categ_2   Categ_3    Categ_4

data1 Group             Data      Data      Data       Data     (     %)  Options

"""

col_widths = [24, 10, 10, 11, 9, 10, 10]

# convert widths to slices

col_slices = []

prev = 0

for cw in col_widths:

    col_slices.append(slice(prev, prev + cw))

    prev += cw

# verify slices

# for line in headers.splitlines():

#     for slc in col_slices:

#         print(line[slc])

def extract_line_parts(slices, line_string):

    return [line_string[slc].strip() for slc in slices]

# extract the different column header parts

parts = [extract_line_parts(col_slices, line) for line in headers.splitlines()]

for p in parts:

    print(p)

# use zip(*parts) to transpose list of row parts into list of column parts

header_cols = list(zip(*parts))

print(header_cols)

for header in header_cols:

    print(' '.join(filter(None, header)))

指纹：

['', 'Categ_1', 'Categ_2', 'Categ_3', 'Categ_4', '', '']

['data1 Group', 'Data', 'Data', 'Data', 'Data', '(     %)', 'Options']

[('', 'data1 Group'), ('Categ_1', 'Data'), ('Categ_2', 'Data'), ('Categ_3', 'Data'), ('Categ_4', 'Data'), ('', '(     %)'), ('', 'Options')]

data1 Group

Categ_1 Data

Categ_2 Data

Categ_3 Data

Categ_4 Data

(     %)

Options