对于这些任务，我最喜欢的语言是 Python；Perl 也适用于那些有这种倾向的人。

Python 模块：

• Python 标准库中的csv模块处理解析 CSV 文件。
• Python 标准库还具有用于标准标记语言（如 XML、HTML、SGML 等）的模块。
• 对于固定宽度的字符串，请参阅Stack Overflow 上的这篇文章。
• 我没有使用过这个模块，但据说p3d是一个 Python 模块，可以帮助解析 pdb 格式的蛋白质数据。
• Python 中的正则表达式模块非常有用。
• 您还可以谷歌或查看Python 包索引以获取适合您需要的其他 Python 包。

Perl 模块：

• Text::CSV模块适用于 CSV 处理。我用过，比较直观。
• XML::Simple和XML::Parser模块似乎适用于 XML 处理，尽管综合 Perl 存档网络 (CPAN) 上有很多 XML 模块可用，因此请随意选择一个适合您的偏好。
• HTML::Tree::Scanning模块似乎为HTML 提供了相同的目的。
• Stack Overflow 上的这篇文章讨论了如何使用 Perl 从文件中提取固定宽度的数据。
• 正则表达式被烘焙到 Perl 中。
• CPAN 也是寻找其他库的好来源。

C++ 库：

• 有一堆 XML 解析器库（参见Stack Overflow 上的这篇文章）。特别有名的是Expat、Xerces和与Gdome2的 C++ 绑定（我个人最喜欢的）。
• Stack Overflow 上的这篇文章讨论了从 CSV 文件中提取数据。
• 对于其他标准格式，很有可能有一个解析器（HTML 等）。很多时候，Perl 和 Python 版本的解析器库是 C 或 C++ 解析器库的语言绑定。
• 对于固定宽度的文件，您可以使用fprintf。
• Stack Overflow 上的这篇文章讨论了 C++ 正则表达式库；另请参阅Boost::Regex和PCRE（来自 C）。

C 库：

• 同样，有许多 XML 解析器库。值得一试的是Expat、Gdome2和libxml2。
• 很多人似乎都使用自己的 C 库来进行 CSV 解析。我找到了一个 library 的文档，但看起来有点粗略。
• 对于固定宽度的文件，您可以再次使用fprintf。
• 我所知道的最好的 C 正则表达式库是PCRE。

希望这可以帮助。

当主要任务是更改数据的形状或结构而不是读取特定的文件格式（例如 .mat 或 hfd5 用于相同形状的矩阵）时，我发现Mathematica非常适合该任务。它的原生数据结构本质上是一棵树（list of lists of lists ...），它可以使用模式匹配或其他方式对它们进行灵活的转换。

在我看来它有两个弱点：

• 如果它还不支持输入/输出文件格式，那么它不是实现您自己的导入器的最佳工具（除非格式很简单）。 这是支持的格式列表。 （支持PDB。）

• 如果您的所有数据都能舒适地放入内存中，它就会很好地工作。我发现它对于顺序数据处理（即读取一小部分输入并立即输出）并不是一个很好的工具。

对于将复杂或结构化数据揉捏成所需形状（想想高维不规则数组或类似 XML 的结构化数据），它是一个非常好的工具。

我同意 Python 在这项任务上非常出色。我想在列表中添加一些工具：

• 如果您想从网上提取数据，或者想轻松填写表格，那么机械化是最佳选择。
• 我听说BeautifulSoup非常擅长解析 XML/HTML 文件。