我需要从文件中提取某些数据，但是该文件的格式设置为可供人类读取，因此是不规则的。首先，在任何数据实际开始之前，会有大量文本：
DL_POLY Version 2.20
Running on 10 nodes
*************** DLPOLY：LiNbO3> ***************
模拟控制参数
模拟温度1.4500E + 03
模拟压力（katm）0.0000E + 00
选定的时间步数8000
平衡期500
数据打印间隔80
统计文件间隔80
模拟时间步5.0000E-04
鼻胡佛（Melchionna）各向同性N-P-T
恒温器松弛时间1.0000E-01
稳压器松弛时间5.0000E-01
轨迹文件选项开启
轨迹文件开始1
轨迹文件间隔80
轨迹文件信息键2
...
稍后会得到实际数据，但格式很有趣：
步骤eng_tot temp_tot eng_cfg eng_vdw eng_cou eng_bnd> eng_ang eng_dih eng_tet
时间（ps）eng_pv temp_rot vir_cfg vir_vdw vir_cou vir_bnd> vir_ang vir_con vir_tet
cpu（s）体积temp_shl eng_shl vir_shl alpha beta> gamma vir_pmf按
1 -1.1289E + 05 1.4750E + 03 -1.1386E + 05 1.7276E + 04 -1.3114E + 05 0.0000E + 00> 0.0000E + 00 0.0000E + 00 0.0000E + 00
0.0 -1.1545E + 05 0.0000E + 00 9.6539E + 03 -1.2118E + 05 1.3083E + 05 0.0000E + 00> 0.0000E + 00 0.0000E + 00 0.0000E + 00
0.8 5.3733E + 04 1.2367E + 02 0.0000E + 00 0.0000E + 00 5.6396E + 01 5.6396E + 01> 5.6396E + 01 0.0000E + 00 -7.5549E + 01
轧制-1.1289E + 05 1.4750E + 03 -1.1386E + 05 1.7276E + 04 -1.3114E + 05 0.0000E + 00> 0.0000E + 00 0.0000E + 00 0.0000E + 00
平均值-1.1545E + 05 0.0000E + 00 9.6539E + 03 -1.2118E + 05 1.3083E + 05 0.0000E + 00> 0.0000E + 00 0.0000E + 00 0.0000E + 00
5.3733E + 04 1.2367E + 02 0.0000E + 00 0.0000E + 00 5.6396E + 01 5.6396E + 01> 5.6396E + 01 0.0000E + 00 -7.5549E + 01
80 -1.1290E + 05 1.5021E + 03 -1.1392E + 05 2.1894E + 04 -1.3726E + 05 0.0000E + 00> 0.0000E + 00 0.0000E + 00 0.0000E + 00
0.0 -1.1256E + 05 0.0000E + 00 8.6671E + 02 -1.3974E + 05 1.3707E + 05 0.0000E + 00> 0.0000E + 00 0.0000E + 00 0.0000E + 00
10.6 5.3149E + 04 1.1377E + 03 1.4419E + 03 3.5382E + 03 5.6396E + 01 5.6396E + 01> 5.6396E + 01 0.0000E + 00 1.1119E + 01
轧制-1.1290E + 05 1.6145E + 03 -1.1398E + 05 2.0750E + 04 -1.3588E + 05 0.0000E + 00> 0.0000E + 00 0.0000E + 00 0.0000E + 00
平均值-1.1333E + 05 0.0000E + 00 3.3694E + 03 -1.3512E + 05 1.3565E + 05 0.0000E + 00> 0.0000E + 00 0.0000E + 00 0.0000E + 00
5.3481E + 04 1.0997E + 03 1.1430E + 03 2.8391E + 03 5.6396E + 01 5.6396E + 01> 5.6396E + 01 0.0000E + 00 -1.2096E + 01
160 -1.1287E + 05 1.2629E + 03 -1.1376E + 05 2.1450E + 04 -1.3633E + 05 0.0000E + 00> 0.0000E + 00 0.0000E + 00 0.0000E + 00
0.1 -1.1249E + 05 0.0000E + 00 3.8761E + 02 -1.3824E + 05 1.3612E + 05 0.0000E + 00> 0.0000E + 00 0.0000E + 00 0.0000E + 00
20.5 5.3375E + 04 4.9015E + 02 1.1243E + 03 2.5052E + 03 5.6396E + 01 5.6396E + 01> 5.6396E + 01 0.0000E + 00 1.2676E + 01
轧制-1.1288E + 05 1.4677E + 03 -1.1389E + 05 2.1589E + 04 -1.3663E + 05 0.0000E + 00 0.0000E + 00 0.0000E + 00 0.0000E + 00
平均值-1.1235E + 05 0.0000E + 00 2.1147E + 02 -1.3884E + 05 1.3643E + 05 0.0000E + 00> 0.0000E + 00 0.0000E + 00 0.0000E + 00
5.3152E + 04 7.4818E + 02 1.1440E + 03 2.6211E + 03 5.6396E + 01 5.6396E + 01> 5.6396E + 01 0.0000E + 00 1.7174E + 01
在第9个数据间隔上，有一个轻微的异常现象：
在步骤500关闭温度标度
560 -1.1287E+05 1.4709E+03 -1.1390E+05 2.1600E+04 -1.3678E+05 0.0000E+00 >0.0000E+00 0.0000E+00 0.0000E+00
0.3 -1.1292E+05 0.0000E+00 1.9253E+03 -1.3743E+05 1.3656E+05 0.0000E+00 >0.0000E+00 0.0000E+00 0.0000E+00
68.4 5.4300E+04 1.5043E+02 1.2775E+03 2.7947E+03 5.6396E+01 5.6396E+01 >5.6396E+01 0.0000E+00 2.0576E-01
轧制-1.1286E + 05 1.4784E + 03 -1.1390E + 05 2.1546E + 04 -1.3673E + 05 0.0000E + 00> 0.0000E + 00 0.0000E + 00 0.0000E + 00
平均值-1.1298E + 05 0.0000E + 00 2.1361E + 03 -1.3717E + 05 1.3651E + 05 0.0000E + 00> 0.0000E + 00 0.0000E + 00 0.0000E + 00
5.4303E + 04 2.2261E + 02 1.2785E + 03 2.8027E + 03 5.6396E + 01 5.6396E + 01> 5.6396E + 01 0.0000E + 00 -1.7421E + 00
如您所见，有一对“ ----”行可能会干扰数据的正确解析。
可以说我只想从该文件中获取“ eng_tot”数据（粗体数字），我将如何在Python中做到这一点？该数字始终在文件中的同一位置（第二个数量，第二组---- s之后的第一行。
顺便说一下，其中具有所有定义的标头部分每8步重复一次，执行第一步，其中有9行。我只想忽略第一步。现在，让我说我要从第295行开始。请注意，对于python和程序设计我还是很陌生，因此感谢您提供的所有帮助。
这是我尝试的代码，但是Eng_Total仍然是一个空集：
import re
import inspect
def lineno():
"""Returns the current line number"""
linenum = inspect.currentframe().f_back.f_lineno
infile = open('FilePath/OUTPUT.01').read()
Eng_Total = []
for line in infile:
# if 'eng_tot' in line.split():
if re.match("\s+-+\s+", line):
lineno(line)
line = linenum+1
sanitized_line = line[8:]
eng_total = line.split()[0]
Eng_Total.append(eng_total)
print Eng_Total
最佳答案
我可能会这样做：
遍历输出中的行
搜索一个包含eng_tot的内容：if 'eng_tot' in line.split(): process_blocks
逐行划线，直到所有破折号都匹配（在两侧都有可选的空格）if re.match("\s+-+\s+", line): proccess_metrics_block
处理第一行指标：
切断第一列的内容（这使得它很难解析，因为它可能不存在）sanitized_line = line[8:]eng_total = line.split()[0]，第一列现在为eng_total
跳过行，直到到达另一行破折号，然后重新开始
看到您的修改后：
您需要在文件顶部导入re（正则表达式）模块：import reprocess_blocks和process_metrics_block是伪代码。除非您定义它们，否则它们不存在。 :)您不需要这些功能，可以使用基本循环（while）和条件（if）语句来避免使用它们。
您必须确保您了解自己在做什么，而不仅仅是从堆栈溢出中复制！ :)
看来您正在尝试做这样的事情。看来可行，但是我敢肯定，您可以花一些点时间做些更好的事情：
import re
def find_header(lines):
for (i, line) in enumerate(lines):
if 'eng_tot' in line.split():
return i
return None
def find_next_separator(lines, start):
for (i, line) in enumerate(lines[start+1:]):
if re.match("\s*-+\s*", line):
return i + start + 1
return None
if __name__ == '__main__':
totals = []
lines = open('so.txt').readlines()
header = find_header(lines)
start = find_next_separator(lines, header+1)
while True:
end = find_next_separator(lines, start+1)
if end is None: break
# Pull out block, after line of dashes.
metrics_block = lines[start+1:end]
# Pull out 2nd column from 1st line of metrics.
eng_total = metrics_block[0].split()[1]
totals.append(eng_total)
start = end
print totals
您可以使用一个生成器，使其更具Python性：
def metric_block_iter(lines):
start = find_next_separator(lines, find_header(lines)+1)
while True:
end = find_next_separator(lines, start+1)
if end is None: break
yield (start, end)
start = end
if __name__ == '__main__':
totals = []
lines = open('so.txt').readlines()
for (start, end) in metric_block_iter(lines):
# Pull out block, after line of dashes.
metrics_block = lines[start+1:end]
# Pull out 2nd column from 1st line of metrics.
eng_total = metrics_block[0].split()[1]
totals.append(eng_total)
print totals
关于python - 如何从python中格式不规则的数据文件中提取数据，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/3086257/