0

Eu tenho dois arquivos e preciso gerar um terceiro a partir deles.

Primeiro arquivo chamado "de_para".

  • de_para.txt

Dentro desse arquivo tenho o seguinte conteúdo de exemplo:

Ordem   Campo_para  Campo_de
1   nome_emp    RAZA
2   ende_emp    ENDE
3   cepe_emp    NCEP
4   cida_emp    CIDA
  • "Ordem" seria a ordem em que os dados serão impressos nas linhas no terceiro arquivo;
  • "Campo_para" é o nome da coluna que será gravada no terceiro arquivo.
  • "Campo_de" é o nome da coluna que será procurada nas chaves do segundo arquivo chamado "empresas.txt"

O segundo arquivo "empresas.txt" tem a seguinte composição:

RAZA    ENDE    NCEP    CIDA 
empresa1    rua1    cep1    cidade1  
empresa2    rua2    cep2    cidade2 
empresa3    rua3    cep3    cidade3 
empresa4    rua4    cep4    cidade4 
empresa5    rua5    cep5    cidade5

Como posso fazer a iteração dessa situação?

Com esse código eu criaria a lista com as colunas do primeiro arquivo:

for dict_col_geempre in read_geempre:
    hash_geempre.append(dict_col_geempre.get("Campo_de"))

Não estou conseguindo fazer a verificação da seguinte maneira:

Preciso verificar se a coluna "RAZA" do segundo arquivo existe no hash_geempre, caso exista, pegue o valor dessa chave no segundo arquivo "empresas.txt" e assim por diante e depois grave tudo isso num terceiro arquivo de nome "empresas_validas.txt".

Daria para fazer de modo diferente. Setando uma variável para cada coluna do segundo arquivo "empresas.txt", mas pensei em fazer com um arquivo "de_para" para ficar melhor penso eu.

Como posso fazer isso?

1 Resposta 1

1

Vamos por partes. Primeiro leia o arquivo de_para, e guarde cada linha (exceto a primeira) em uma lista (usando with para abrir o arquivo, pois ele garante que o arquivo é fechado ao final do bloco):

de_para = []
with open('de_para.txt', 'r') as de_para_arq:
    next(de_para_arq) # pula primeira linha
    for linha in de_para_arq:
        de_para.append(linha.split())
# ordena a lista de acordo com o campo ordem
de_para = sorted(de_para, key=lambda x: int(x[0]))

Eu uso split para separar a linha por espaços, e o resultado é uma lista, onde o primeiro elemento é a coluna ordem, o segundo é a coluna "para" e o terceiro é a coluna "de". Cada linha do arquivo será uma lista assim, e de_para será uma lista contendo todas essas listas (uma para cada linha do arquivo).

Em seguida ordenei a lista de_para com base na primeira coluna (usando int para converter a string para número), para garantir que os elementos estarão na ordem correta (se essa coluna existe, estou assumindo que as linhas não estarão necessariamente em ordem no arquivo, caso contrário não faria sentido essa coluna existir).


Agora vamos ler o arquivo de empresas:

empresas = []
with open('empresas.txt', 'r') as empresas_arq:
    headers = next(empresas_arq).split() # nomes dos headers
    for linha in empresas_arq:
        empresa = dict()
        for header, valor in zip(headers, linha.split()):
            empresa[header] = valor
        empresas.append(empresa)

Primeiro eu faço split na primeira linha para pegar os nomes das colunas.

Depois, para cada linha do arquivo, eu percorro tanto a lista de headers quanto os elementos da linha (o uso de zip permite percorrer as duas listas ao mesmo tempo, assim eu tenho o valor correspondente ao nome de cada coluna). Essa solução assume que o arquivo é bem formado e sempre tem todas as colunas.

No fim eu tenho uma lista de empresas, sendo que cada empresa é um dicionário, que mapeia os nomes das colunas com os respectivos valores. Por exemplo, o primeiro elemento da lista de empresas será:

{'RAZA': 'empresa1', 'CIDA': 'cidade1', 'ENDE': 'rua1', 'NCEP': 'cep1'}

Assim, eu tenho o nome da coluna atual e o respectivo valor. Cada linha do arquivo de empresas será um dicionário assim, e a lista empresas terá todos esses dicionários (um para cada linha do arquivo).


Agora é só escrever o terceiro arquivo:

with open('empresas_validas.txt', 'w') as out:
    # escreve os headers
    out.write(' '.join(para for _, para, _ in de_para))
    out.write("\n")
    for emp in empresas:
        out.write(' '.join(emp[de] for _, _, de in de_para))
        out.write("\n")

Primeiro eu escrevo os headers, usando os nomes que estão na lista de_para. Eu uso join para unir os nomes, separando-os por espaço. Para facilitar, use a sintaxe de list comprehension, bem mais sucinta e pythônica.

Depois, para cada empresa, eu pego o valor da coluna "de" que está na lista de_para (como a lista foi ordenada, eu garanto que os campos são escritos na ordem desejada). O resultado será o arquivo:

nome_emp ende_emp cepe_emp cida_emp 
empresa1 rua1 cep1 cidade1 
empresa2 rua2 cep2 cidade2 
empresa3 rua3 cep3 cidade3 
empresa4 rua4 cep4 cidade4 
empresa5 rua5 cep5 cidade5 

Se quiser, também pode trocar os loops que leem os arquivos por list e dict comprehensions:

with open('de_para.txt', 'r') as de_para_arq:
    next(de_para_arq) # pula primeira linha
    de_para = [ linha.split() for linha in de_para_arq ]
# ordena a lista de acordo com o campo ordem
de_para = sorted(de_para, key=lambda x: int(x[0]))

with open('empresas.txt', 'r') as empresas_arq:
    headers = next(empresas_arq).split() # nomes dos headers
    empresas = [ { header: valor for header, valor in zip(headers, linha.split()) } for linha in empresas_arq ]

with open('empresas_validas.txt', 'w') as out:
    # escreve os headers
    out.write(' '.join(para for _, para, _ in de_para))
    out.write("\n")
    out.write("\n".join( ' '.join(emp[de] for _, _, de in de_para) for emp in empresas))
10
  • 1
    Muito Obrigado @hkotsubo, funcionou perfeitamente do modo que eu preciso. Parabéns pela dedicação e tempo disposto a explicar muito bem detalhado o processo. 1/08/2019 às 12:57
  • Tenho uma dúvida quanto a essa linha: out.write(' '.join(emp[de] for _, _, de in de_para)) Que fica na parte da escrita do arquivo. Preciso validar ou tratar o campo "de" antes da gravação, como faria nesse caso? 1/08/2019 às 13:08
  • 1
    @CleberNandi Depende do que quer fazer. Se quer testar uma condição, pode fazer out.write(' '.join(emp[de] for _, _, de in de_para if condicao)) (a condição pode ser qualquer expressão válida de um if, aí ele só vai pegar as chaves que satisfazem a condição), ou então out.write(' '.join(emp.get(de, valor_default) for _, _, de in de_para)) - nesse caso, emp.get(de, valor_default) retorna o valor_default se a chave de não existir.
    – hkotsubo
    1/08/2019 às 13:18
  • Tentei entender sozinho mas não consegui. Poderia me ajudar a entender a linha: out.write(' '.join(emp[de] for _, _, de in de_para)) Especificamente o "for _, _, de in de_para". Não entendi o por que desses dois underlines, o "de" entendi, mas os underlines não. Outra coisa que preciso fazer, tentei e me enrolei é alterar essa linha que passei acima para criar uns validadores antes de gravar a linha. 1/08/2019 às 17:54
  • 1
    Cada elemento do de_para é uma lista com 3 elementos, então for a, b, c in de_para já faz com que a, b e c sejam os elementos de cada lista. Geralmente usa-se _ para indicar que aquele valor não interessa e só vou usar os outros (é uma convenção da linguagem, poderia ser qualquer nome, mas usa-se _ para indicar que aquele valor não será usado)
    – hkotsubo
    1/08/2019 às 18:01

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .