使用 Python 从文件中提取 ssn 号、日期、电子邮件地址

Question

1.我有一个名为rexp.txt的文件，内容如下：

adf fdsf hh  h fg h 1995-11-23
dasvsbh 2000-04-12 gnym,mnbv 2001-02-17
dascvfbsn
bjhmndgfh
xgfdjnfhm244-44-2255  fgfdsg gfjhkh
fsgfdh 455-44-6577 dkjgjfkld
sgf
dgfdhj 
sdg 192.6.8.02 fdhdlk dfnfghr
fisdhfih dfhghihg 154.56.2.6 fdhusdgv
aff fjhgdf 
fdfdnfjgkpg
 fdf hgj  fdnbk gjdhgj 

dfdfg raeh95@gmail.com efhidhg  fdfuga reg@gmail.com
ergudfi rey@gmail.com iugftudfh dgufidjfdg
teeeee@gmail.comugfuhlfhs fgufif p

2.我想逐行提取ssn号码，日期，电子邮件。 我期待循环遍历每一行并返回预期字符串的代码。

3.更正Python中的编码：

import re
def cfor_date(str):
    t=re.search(r'(\d{4}-\d{2}-\d{2})',str)
    return t

def cfor_ssn(str):
    f=re.search(r'(\d{3}-\d{2}-\d{4})',str)
    return f

def cfor_gm(str):
    g=re.search(r'([\w\.-]+@gmail[\w{3}\.-]+)',str)
    return g

f = open("rexp.txt","r").read()
lines = f.splitlines()
for line in iter(lines):
    x=line.split(" ")
    print x
    if (cfor_date(x)) != None: # i feel problem here
        r=cfor_ssn(x)
        print r

Answer 1

• 您正在打开文件，完全读取它，然后使用splitlines()将读取的内容拆分到列表中，然后迭代该列表。 过程太长太复杂。 此外，文件在读取后不会关闭。
• 相反，为什么不使用with构造打开文件，然后使用readlines()完全读取文件。 无需拆分行，无需担心关闭文件。
• 在您的代码中，一旦您开始逐行迭代，您将再次基于单个空格拆分行，然后将 split 的输出传递给您的函数以提取日期/电子邮件/ssn。 这就是问题所在。
• 无需根据空格分割线。 将该行直接传递给函数以提取数据。
• 你的正则表达式很好。 我没有修改它。
• 我已经用findall函数替换了search函数。 下面的例子解释了两者之间的区别。

 >>> import re >>> a = "Dinesh 123" >>> t = re.search(r"\\d+",a) >>> t <_sre.SRE_Match object at 0x01FE3918> >>> t.group() >>> '123' >>> x = re.findall(r'\\d+',a) >>> x >>> ['123']

如需更多帮助，请查看此链接！！！

以上所有点都存在于以下代码中：

代码：

import re
def cfor_date(tmp_line):
    t=re.findall(r'(\d{4}-\d{2}-\d{2})',tmp_line)
    return t

def cfor_ssn(tmp_line):
    f=re.findall(r'(\d{3}-\d{2}-\d{4})',tmp_line)
    return f

def cfor_gm(tmp_line):
    g=re.findall(r'([\w\.-]+@gmail[\w{3}\.-]+)',tmp_line)
    return g

with open("xyz.txt","r") as fh:
    for line in fh.readlines():
        date_list = cfor_date(line)
        ssn_list = cfor_ssn(line)
        gm_list = cfor_gm(line)

        if len(ssn_list) != 0:
            print ssn_list
        if len(date_list) != 0:
            print date_list
        if len(gm_list) != 0 :
            print gm_list

输出 ：

C:\Users\dinesh_pundkar\Desktop>python c.py
['1995-11-23']
['2000-04-12', '2001-02-17']
['244-44-2255']
['455-44-6577']
['raeh95@gmail.com', 'reg@gmail.com']
['rey@gmail.com']
['teeeee@gmail.comugfuhlfhs']

C:\Users\dinesh_pundkar\Desktop>