loop - for else python

coincidencia de patrón y reemplazar la cadena con if else loop

Question

Tengo un archivo que contiene varias líneas que comienzan con "1ECLI H --- 12.345 .....". Quiero eliminar un espacio entre I y H y agregar R / S / T sobre la iteración del patrón H. por ej. H810 si se repite en tres líneas consecutivas, se debe agregar con una letra R, S (segunda iteración), T (tercera iteración). por lo que sería H810R. Cualquier ayuda será apreciada.
el texto se ve a continuación

1ECLI  H813   98   7.529   8.326   9.267
1ECLI  H813   99   7.427   8.470   9.251
1ECLI  C814  100   7.621   8.513   9.263
1ECLI  H814  101   7.607   8.617   9.289
1ECLI  H814  102   7.633   8.489   9.156
1ECLI  H814  103   7.721   8.509   9.305
1ECLI   C74  104   8.164   8.733  10.740
1ECLI  H74R  105   8.247   8.690  10.799

sobre chage

1ECLI H813R   98   7.529   8.326   9.267
1ECLI H813S   99   7.427   8.470   9.251
1ECLI  C814  100   7.621   8.513   9.263
1ECLI H814R  101   7.607   8.617   9.289
1ECLI H814s  102   7.633   8.489   9.156
1ECLI H814T  103   7.721   8.509   9.305
1ECLI   C74  104   8.164   8.733  10.740
1ECLI  H74R  105   8.247   8.690  10.799

Gracias.

Answer 1

El siguiente código asume que las lines es una lista de cadenas que representan una línea en su archivo.

with open(''filename'') as f:
    lines = f.readlines()

from collections import defaultdict
cntd = defaultdict(lambda: 0)
suffix = [''R'', ''S'', ''T'']
newlines = []
for line in lines:
    try:
        kwd = line.split()[1]
    except IndexError:
        newlines.append(line)
        continue
    if kwd[0] == ''H'' and kwd[-1].isdigit():
        sfx = suffix[cntd[kwd]]
        idx = line.index(kwd)
        nl = line[:idx -1] + kwd + sfx + line[idx + len(kwd):]
        # nl = line[:idx + len(kwd)] + sfx + line[idx + len(kwd):] # adjust formatting to your taste
        newlines.append(nl)
        cntd[kwd] += 1
    else:
        newlines.append(line)

with open(''filename'', ''w'') as f:
    f.writelines(newlines)

Answer 2

Incluso debajo de uno puede dar el resultado deseado, si su archivo de entrada real es el mismo que el que ha publicado.

awk ''BEGIN{split("R,S,T",a,/,/)}f=$2~/^H[0-9]+$/{$2 = $2 a[++c]}!f{c=0}1'' infile 

Explicación

• split("R,S,T",a,/,/) - dividir la secuencia "R,S,T" por la coma separadora, y guardar en la matriz a , por lo que se convierte a[1] = R, a[2] = S, a[3] = T

• f=$2~/^H[0-9]+$/ - f es variable, valide la expresión regular $2 ~ /^H[0-9]+$/ , que devuelve el estado booleano. si devuelve true , la variable f será verdadera, de lo contrario false

• $2 = $2 a[++c] si el anterior es verdadero, luego modifique el segundo campo, entonces el segundo campo tendrá el valor existente más el arsenal a valor, correspondiente al índice ( c ), ++c es una variable de preincremento

• !f{c=0} si la variable f es falsa, reinicie la variable c , no consecutivamente.

• 1 al final realiza la operación predeterminada que es imprimir actual / grabar / fila, print $0 . Para saber cómo funciona awk, prueba awk ''1'' infile , que imprimirá todos los registros / líneas, mientras que awk ''0'' infile imprime nada. Cualquier número que no sea cero es verdadero , lo que desencadena el comportamiento predeterminado.

Resultados de la prueba:

$ cat infile
1ECLI  H813   98   7.529   8.326   9.267
1ECLI  H813   99   7.427   8.470   9.251
1ECLI  C814  100   7.621   8.513   9.263
1ECLI  H814  101   7.607   8.617   9.289
1ECLI  H814  102   7.633   8.489   9.156
1ECLI  H814  103   7.721   8.509   9.305
1ECLI   C74  104   8.164   8.733  10.740
1ECLI  H74R  105   8.247   8.690  10.799

$ awk ''BEGIN{split("R,S,T",a,/,/)}f=$2~/^H[0-9]+$/{$2 = $2 a[++c]}!f{c=0}1'' infile
1ECLI H813R 98 7.529 8.326 9.267
1ECLI H813S 99 7.427 8.470 9.251
1ECLI  C814  100   7.621   8.513   9.263
1ECLI H814R 101 7.607 8.617 9.289
1ECLI H814S 102 7.633 8.489 9.156
1ECLI H814T 103 7.721 8.509 9.305
1ECLI   C74  104   8.164   8.733  10.740
1ECLI  H74R  105   8.247   8.690  10.799

Si desea formatear mejor como una tab o algún otro carácter como separador de campo, puede usar debajo de uno, modificar la variable OFS

$ awk -v OFS="/t" ''BEGIN{split("R,S,T",a,/,/)}f=$2~/^H[0-9]+$/{$2 = $2 a[++c]}!f{c=0}{$1=$1}1''  infile
1ECLI   H813R   98  7.529   8.326   9.267
1ECLI   H813S   99  7.427   8.470   9.251
1ECLI   C814    100 7.621   8.513   9.263
1ECLI   H814R   101 7.607   8.617   9.289
1ECLI   H814S   102 7.633   8.489   9.156
1ECLI   H814T   103 7.721   8.509   9.305
1ECLI   C74     104 8.164   8.733   10.740
1ECLI   H74R    105 8.247   8.690   10.799

Answer 3

Si su archivo de entrada es el mismo que el ejemplo mostrado, ¿podría intentar seguir awk y decirme si esto lo ayuda?

awk ''
BEGIN{
  val[1]="R";
  val[2]="S";
  val[3]="T"
}
$2 !~ /^H[0-9]+/ || i==3{
  i=""
}
$2 ~ /^H[0-9]+$/ && /^1ECLI/{
  $2=$2val[++i]
}
1
''   Input_file  > temp_file  && mv  temp_file   Input_file

Agregando la explicación también para la respuesta también de la siguiente manera.

awk ''
BEGIN{                        ##Starting BEGIN section of awk here.
  val[1]="R";                 ##creating an array named val whose index is 1 and value is string R.
  val[2]="S";                 ##creating array val 2nd element here whose value is S.
  val[3]="T"                  ##creating array val 3rd element here whose value is T.
}
$2 !~ /^H[0-9]+/ || i==3{     ##Checking condition if 2nd field does not start from H and digits after that OR variable i value is equal to 3.
  i=""                        ##Then nullifying the value of variable i here.
}
$2 ~ /^H[0-9]+$/ && /^1ECLI/{ ##Checking here if 2nd field value is starts from H till all digits till end AND line starts from 1ECLI string then do following.
  $2=$2val[++i]               ##re-creating value of 2nd field by adding value of array val whose index is increasing value of variable i.
}
1                             ##Mentioning 1 here, which means it will print the current line.
'' Input_file   > temp_file  && mv  temp_file   Input_file                 ##Mentioning Input_file name here.