解析时未标识制表符

Question

我有两个制表符的字符串

# File contains multiple lines like this
'T1  Original 210 227    Extra Mile'
'T8  Modified 1646 1655   Tickets'
# Eg: "Tx" "indication" "start_index" "end_index" "word"
# 'T1\tOriginal 210 227\tExtra Mile' 

我希望第二个标签后面的单词。所以我试图找到'\ t'的索引并将初始字符串替换为空。

def find_index(s, ch):
    return [i for i, ltr in enumerate(s) if ltr == ch]


def extract_words(filename):
    extracted_data = [line.rstrip('\n') for line in open(filename)]
    search_key = '\t'
    for i in range(len(extracted_data)):
        indices = find_index(extracted_data[i], search_key)
        extracted_data[i] = extracted_data[i].replace(extracted_data[i][:indices[-1]], '')
    return extracted_data

但它没有标识'\ t'，因为索引输出是[]。是什么导致了这个问题？

预期的产出

'Extra Mile'
'Tickets'

Answer 1

你的一些行不包含标签 - 因此没有索引，因此IndexError。使用：

if len(indices)>1:  # only extract by slicing if indexes found!

检查一下。

---

为什么这么复杂？使用str.split("\t")：

def extract_words(filename):
    with open(filename) as f:
        lines = [x.strip() for x in f.readlines()]

    k = []
    for l in lines:
        try: 
            k.append(l.split("\t")[2]) 
        except IndexError:
            print (f"no 2 tabs in '{l}'")
    return k

t = """T1\tOriginal 210 227\tExtra Mile
T8\tModified 1646 1655\tTickets
Error\ttext"""


fn = "t.txt"
with open(fn,"w") as f: 
    f.write(t)

print(*extract_words(fn), sep="\n")

输出：

no 2 tabs in 'Error text'
Extra Mile
Tickets

这将适用于包含2个选项卡的行，并报告任何没有这些选项卡的行。