Python 2：使用正则表达式从文本文件中提取整行，并从另一个子字符串中提取子串

Question

我有一个菜鸟问题。 我在Linux系统上使用python 2.7.6。

我想实现是使用列表中的具体数字，这相当于在过去的数database的文本文件，退出在全行database文本文件，并打印（去行写入到另一个文本文件稍后）。

我目前正在尝试使用的代码：

reg = re.compile(r'(\d+)$')

for line in "text file database":
    if list_line in reg.findall(line):
        print line

我发现我可以输入类似

list_line = "9"

它将输出相应数据库条目的整行。 但是尝试使用list_line在循环中一个接一个地输入字符串是行不通的。

谁能帮助我或将我定向到相关消息来源？

附录：

文本文件database文本文件包含与以下类似的数据：

gnl Acep_1.0 ACEP10001-PA 1
gnl Acep_1.0 ACEP10002-PA 2
gnl Acep_1.0 ACEP10003-PA 3
gnl Acep_1.0 ACEP10004-PA 4
gnl Acep_1.0 ACEP10005-PA 5
gnl Acep_1.0 ACEP10006-PA 7
gnl Acep_1.0 ACEP10007-PA 6
gnl Acep_1.0 ACEP10008-PA 8
gnl Acep_1.0 ACEP10009-PA 9
gnl Acep_1.0 ACEP10010-PA 10

搜索文本文件list_line类似于以下内容：

2
5
4
6

更新了原始代码：

    #import extensions
    import linecache

    import re

    #set re.compiler parameters
    reg = re.compile(r'(\d+)$')

    #Designate and open list file
    in_list = raw_input("list input: ")

    open_list = open(in_list, "r")

    #Count lines in list file
    total_lines = sum(1 for line in open_list)

    print total_lines

    #Open out file in write mode
    outfile = raw_input("output: ")

    open_outfile = open(outfile, "w")

    #Designate db string
    db = raw_input("db input: ")

    open_db = open(db, "r")

    read_db = open_db.read() 

    split_db = read_db.splitlines()

    print split_db      

    #Set line_number value to 0
    line_number = 0

    #Count through line numbers and print line
    while line_number < total_lines:
        line_number = line_number + 1
        print line_number

        list_line = linecache.getline(in_list, line_number)
        print list_line

        for line in split_db:
            if list_line in reg.findall(line) :
                print line 

    #close files
    open_list.close()

    open_outfile.close()

    open_db.close() 

Answer 1

短版：你for循环是通过“数据库”文件去一次 ，找相应的文字和停止。 因此，如果您要拉出多行，就像在list_line文件中一样，最终只会拉出一行。

另外，您寻找行号的方法也不是一个好主意。 如果您正在寻找第5行，但是第二行恰好在其数据中某处有数字5会发生什么呢？ 例如，如果第二行看起来像：

gnl Acep_1.0 ACEP15202-PA 2

然后搜索“ 5”将返回该行，而不是您想要的那一行。 相反，由于您知道行号将是该行的最后一个数字，因此您应该利用Python的str.split()函数（该函数在空格处分割一个字符串，并返回的最后一项和事实）可以使用-1作为列表索引来获取列表的最后一项，如下所示：

def get_one_line(line_number_string):
    with open("database_file.txt", "r") as datafile: # Open file for reading
        for line in datafile:  # This is how you get one line at a time in Python
            items = line.rstrip().split()
            if items[-1] == line_number_string:
                return line

我没有谈论的一件事是rstrip()函数。 当您在Python中遍历文件时，每行都保持原样，而换行符仍保持不变。 以后打印时，可能会使用print ，但是print还会在输出内容的末尾打印换行符。 因此，除非您使用rstrip()否则最终将使用两个换行符而不是一个换行符，从而导致输出的每一行之间都有多余的空白行。

您可能不熟悉的另一件事是with语句。 无需赘述，这可以确保在执行return line语句时关闭数据库文件。 如何在细节with作品的人谁知道了很多关于Python，但作为一个Python新手，你可能不会想潜入那只是还没有有趣的阅读。 只需记住，当您打开文件时，请尝试将with open("filename") as some_variable: Python将做正确的事。

好的。 因此，现在有了该get_one_line()函数，就可以像这样使用它：

with open("list_line.txt", "r") as line_number_file:
    for line in line_number_file:
        line_number_string = line.rstrip() # Don't want the newline character
        database_line = get_one_line(line_number_string)
        print database_line # Or do whatever you need to with it

注意：如果您使用的是Python 3，请在Python 3中用print(line)替换print line ： print语句成为一个函数。

您可以使用此代码做更多的事情（例如，每次查找一行都打开数据库文件效率很低-将整个内容读入内存一次，然后再查找数据会更好）。 但这足以开始使用，而且如果您的数据库文件很小，那么您担心效率的时间将远远超过以简单但缓慢的方式进行操作的时间。

因此，请查看这是否对您有帮助，然后回过头来问更多问题，以了解您是否不了解或不起作用。

Answer 2

您可以从list_line文件的内容构建正则表达式模式：

import re

with open('list_line.txt') as list_line:
    pattern = list_line.read().replace('\n', '|')
    regex = re.compile('(' + pattern + ')$')

print('pattern = ' + regex.pattern)

with open('database.txt') as database:
    for line in database:
        if regex.search(line):
            print(line)