使用Python和RegEx從多個.txt文件中提取某些數據

Question

我有幾個.txt文件，我需要從中提取某些數據。 文件看起來很相似，但是每個文件存儲不同的數據。 這是該文件的示例：

Start Date:        21/05/2016
Format:            TIFF
Resolution:        300dpi
Source:            X Company
...

文本文件中有更多信息，但我需要提取開始日期，格式和分辨率。 文件位於同一父目錄（“ E：\\ Images”）中，但是每個文件都有其自己的文件夾。 因此，我需要一個腳本來遞歸讀取這些文件。 到目前為止，這是我的腳本：

#importing a library
import os

#defining location of parent folder
BASE_DIRECTORY = 'E:\Images'

#scanning through subfolders
    for dirpath, dirnames, filenames in os.walk(BASE_DIRECTORY):
        for filename in filenames:

        #defining file type
        txtfile=open(filename,"r")
        txtfile_full_path = os.path.join(dirpath, filename)
        try:
            for line in txtfile:

                if line.startswidth('Start Date:'):
                start_date = line.split()[-1]

                elif line.startswidth('Format:'):
                data_format = line.split()[-1]

                elif line.startswidth('Resolution:'):
                resolution = line.split()[-1]

                    print(
                    txtfile_full_path,
                    start_date,
                    data_format,
                    resolution)

理想情況下，如果Python將其與ech文件的名稱一起提取並將其保存在文本文件中，可能會更好。 因為我沒有Python的豐富經驗，所以我不知道如何進一步發展。

Answer 1

這是我使用的代碼：

# importing libraries
import os

# defining location of parent folder
BASE_DIRECTORY = 'E:\Images'
output_file = open('output.txt', 'w')
output = {}
file_list = []

# scanning through sub folders
for (dirpath, dirnames, filenames) in os.walk(BASE_DIRECTORY):
    for f in filenames:
        if 'txt' in str(f):
            e = os.path.join(str(dirpath), str(f))
            file_list.append(e)

for f in file_list:
    print f
    txtfile = open(f, 'r')
    output[f] = []
    for line in txtfile:
        if 'Start Date:' in line:
            output[f].append(line)
        elif 'Format' in line:
            output[f].append(line)
        elif 'Resolution' in line:
            output[f].append(line)
tabs = []
for tab in output:
    tabs.append(tab)

tabs.sort()
for tab in tabs:
    output_file.write(tab + '\n')
    output_file.write('\n')
    for row in output[tab]:
        output_file.write(row + '')
    output_file.write('\n')
    output_file.write('----------------------------------------------------------\n')

raw_input()

Answer 2

您不需要正則表達式。 您可以使用基本的字符串函數：

   txtfile=open(filename,"r")
   for line in txtfile:
         if line.startswidth("Start Date:"):
             start_date = line.split()[-1]
         ...

如果您收集了所有信息，請break 。

Answer 3

要獲取Start Date ，可以使用以下正則表達式：

^(?:Start Date:)\D*(\d+/\d+/\d+)$
# ^ anchor the regex to the start of the line
# capture the string "Start Date:" in a group
# followed by non digits zero or unlimited times 
# followed by a group with the start date in it

在Python這將是：

import re

regex = r"^(?:Start Date:)\D*(\d+/\d+/\d+)$"

# the variable line points to your line in the file
if re.search(regex, line):
    # do sth. useful here

參見正則表達式101上的演示 。