這幾天一直在處理資料，也接觸到了好幾款不一樣的庫，pandas雖然好用但是卻沒有直接處理空行分塊的txt檔案，所以只能自己手寫指令碼對檔案進行分塊讀取，然後每一塊的資訊儲存為csv檔案的一行。我處理的物件為DBLP的資料集，地址是http://cn.aminer.org/citation  採用的是v1資料集。

需要將形如#c，#！等分別代表的不同意思的資訊提取出來

資料的格式如下;

資料每塊的含義參見資料集主頁給出的說明。

def exact_edges(path1,path2):
a = open(path1,'r')
    file = a.read().splitlines()
    b = 
 
open(path2,'wb')
    csv_file2 = csv.writer(b)
    KDD = 'ACM SIGKDD international conference on Knowledge discovery and data mining'
SIGIR = 'international ACM SIGIR conference on Research and development in information retrieval'
i = 0
num = 0
while True:
list = []
        flag = 0
if num != 0:#對讀取的file進行刪除操作，讀取完成的部分將在下一塊讀取之前刪除掉
 
for x in range(0,num):
file.pop(0)
        num = 0
for line in file:
num = num+1
if len(line) > 0:
if line.startswith('#index'):
print line
                    list.append(line)
                if line.startswith('#%'):
print line
                    list.append(line)
                if line.startswith('#c'
 
):
'''print line
                    if ('conference on Knowledge discovery and data mining' in str(line)) or (
                    'international ACM SIGIR conference on Research and development in information' in line):
                        print '...................'
                        flag = 1'''
list.append(line)
                if line.startswith('#!'):
list.append(line)
            else:
#print '................................'
break
csv_file2.writerow(list)