Python提取文本文件（.txt）中的所需数据的方法

作者：疯狂学习GIS

  本文介绍基于Python语言，遍历文件夹并从中找到文件名称符合我们需求的多个.txt格式文本文件，并从上述每一个文本文件中，找到我们需要的指定数据，最后得到所有文本文件中我们需要的数据的合集的方法。

  首先，我们来明确一下本文的具体需求。现有一个文件夹，其中含有大量的.txt格式文本文件，如下图所示；同时，这些文本文件中，文件名中含有Point字段的，都是我们需要的文件，我们接下来的操作都是对这些我们需要的文件而言的；而不含有Point这个字段的，那么我们就不需要。

  随后，在每一个我们需要的文本文件（也就是文件名中含有Point字段的文件）中，都具有着如下图所示的数据格式。我们希望，基于第1列（红色框内所示的列）数据（这一列数据表示波长），找到几个指定波长数据所对应的行，并将这些行所对应的后5列数据都保存下来。

  此外，前面也提到，文件名中含有Point字段的文本文件是有多个的；因此希望将所有文本文件中，符合要求的数据行都保存在一个变量，且保存的时候也将文件名称保存下来，从而知道保存的每一行数据，具体是来自于哪一个文件。

  知道了需求，我们就可以开始代码的书写。其中，本文用到的具体代码如下所示。

# -*- coding: utf-8 -*-"""Created on Fri Jul  7 23:39:43 2023@author: fkxxgis"""import osimport pandas as pdoriginal_file_folder = "E:/03_Experiment/202306HuaiLai/HuaiLai_20230627_SpectralCurve"result_file_path = "E:/03_Experiment/202306HuaiLai/HuaiLai_20230627_SpectralCurve/Result.csv"target_wavelength = [490, 561, 665, 702, 863]result_all_df = pd.DataFrame()for file in os.listdir(original_file_folder):    IF file.endswith(".txt") and file[3] == "P":        file_path = os.path.join(original_file_folder, file)        df = pd.read_csv(file_path, delimiter = "t")        select_df = df[df["Wavelength"].isin(target_wavelength)]        select_df.insert(0, "file_name", file)        data_append = select_df.iloc[1 : , 2 : ]        result_df = pd.DataFrame()        result_df = pd.concat([select_df.iloc[[0]].reset_index(drop = True), pd.DataFrame(data_append.values.flatten()).transpose()], axis = 1)        result_df.columns = range(result_df.shape[1])        result_all_df = pd.concat([result_all_df, result_df], axis = 0, ignore_index = True)

  上述代码具体的含义如下所示。

  首先，我们导入了需要使用的库——os库用于文件操作，而pandas库则用于数据处理；接下来，我们定义了原始文件夹路径 original_file_folder 和结果文件路径 result_file_path。然后，我们创建一个空的DataFrame对象result_all_df，用于存储所有处理后的结果。

  再接下来，通过使用os.listdir()函数，我们遍历指定文件夹中的文件。我们通过条件过滤，只选择以.txt结尾且文件名的第四个字母是P的文件——这些文件就是我们需要的文件。随后，对于每个满足条件的文件，我们构建了文件的完整路径file_path，并使用pd.read_csv()函数读取文件的内容。在这里，我们使用制表符作为分隔符，并将数据存储在DataFrame对象df中。

  然后，我们根据给定的目标波长列表target_wavelength，使用条件筛选出包含目标波长的数据行，并将文件名插入到选定的DataFrame中，即在第一列插入名为file_name的列——这一列用于保存我们的文件名。

  接下来，在我们已经提取出来的数据中，从第二行开始，提取每一行从第三列到最后一列的数据，将其展平为一维数组，从而方便接下来将其放在原本第一行的后面（右侧）。然后，我们使用pd.DataFrame()函数将展平的数组转换为DataFrame对象；紧接着，我们使用pd.concat()函数将原本的第一行数据，和展平后的数据按列合并（也就是放在了第一行的右侧），并将结果存储在result_df中。

  最后，我们将每个文件的处理结果按行合并到result_all_df中，通过使用pd.concat()函数，指定axis=0表示按行合并。由于我这里的需求是，只要保证文本文件中的数据被提取到一个变量中就够了，所以没有将结果保存为一个独立的文件。如果需要保存为独立的.csv格式文件，大家可以参考文章自动批量复制Excel内指定行的数据：Python。

  运行上述代码，即可看到保存我们提取出来的数据的结果的变量result_all_df的具体情况如下图所示。可以看到，已经保存了我们提取出来的具体数据，以及数据具体来源文件的文件名称；并且从一个文本文件中提取出来的数据，都是保存在一行中，方便我们后期的进一步处理。

  至此，大功告成。