您当前的位置: 首页 >  编程语言

python文件数据分析治理提取

目录

前提提要

python2.0有无法直接读取中文路径的问题,需要另外写函数。python3.0在2018年的时候也无法直接读取。

现在使用的时候,发现python3.0是可以直接读取中文路径的。

需要自带或者创建几个txt文件,里面***写几个数据(姓名,手机号,住址)

要求

写代码的时候***,自己设几个要求,明确下目的:

需要读取对应目录路径的所有对应文件 按行读取出每个对应txt文件的记录 使用正则表达式获取每行的手机号 将手机号码存储到excel中

思路 1)读取文件 2)读取数据 3)数据整理 4)正则表达式匹配 5)数据去重 6)数据导出保存

代码
import glob
import re
import xlwt
filearray=[]
data=[]
phone=[]
filelocation=glob.glob(r'课堂实训/*.txt')
print(filelocation)
for i in range(len(filelocation)):
file =open(filelocation[i])
file_data=file.readlines()
data.append(file_data)
print(data)
combine_data=sum(data,[])

print(combine_data)
for a in combine_data:
data1=re.search(r'[0-9]{11}',a)
phone.append(data1[0])
phone=list(set(phone))
print(phone)
print(len(phone))

#存到excel中
f=xlwt.Workbook('encoding=utf-8')
sheet1=f.add_sheet('sheet1',cell_overwrite_ok=True)
for i in range(len(phone)):
sheet1.write(i,0,phone[i])
f.save('phonenumber.xls')

运行结果

会生成一个excel文件

分析
import glob
import re
import xlwt

globe用来定位文件,re正则表达式,xlwt用于excel

1)读取文件
filelocation=glob.glob(r'课堂实训/*.txt')

指定目录下的所有txt文件

2)读取数据
for i in range(len(filelocation)):
file =open(filelocation[i])
file_data=file.readlines()
data.append(file_data)
print(data)

将路径下的txt文件循环读取,按序号依次读取文件打开每一次循环对应的文件将每一次循环的txt文件的数据按行读取出来使用append()方法将每一行的数据添加到data列表中输出一下,可以看到将几个txt的文件数据以字列形式存在同一个列表

3)数据整理
combine_data=sum(data,[])

列表合并成一个列表

4)正则表达式匹配外加数据去重
print(combine_data)
for a in combine_data:
data1=re.search(r'[0-9]{11}',a)
phone.append(data1[0])
phone=list(set(phone))
print(phone)
print(len(phone))

set()函数:无序去重,创建一个无序不重复元素集

6)数据导出保存
#存到excel中
f=xlwt.Workbook('encoding=utf-8')
sheet1=f.add_sheet('sheet1',cell_overwrite_ok=True)
for i in range(len(phone)):
sheet1.write(i,0,phone[i])
f.save('phonenumber.xls')
Workbook('encoding=utf-8'):设置工作簿的编码 add_sheet('sheet1',cell_overwrite_ok=True):创建对应的工作表 write(x,y,z):参数对应行、列、值 原文地址:https://blog.51cto.com/u_15763679/5615056