如何使用Python结合正则表达式和字符串/文件操作并存储模式的实例来搜索文本文件中的模式？

Question

所以基本上我正在寻找文本文件中两个尖括号内的4位数代码.我知道我需要打开文本文件然后逐行解析,但我不确定在检查"for line in file"之后构建代码的最佳方法.

我想我可以以某种方式拆分它,剥离它或分区,但我也写了一个我使用编译的正则表达式,所以如果它返回一个匹配对象,我不认为我可以使用那些基于字符串的操作.另外我不确定我的正则表达式是否足够贪婪......

我想将所有找到的匹配的实例存储为元组或列表中的字符串.

这是我的正则表达式:

regex = re.compile("(<(\d{4,5})>)?")

考虑到目前为止相当基本的代码,我认为我不需要包含所有代码.

Answer 1

import re
pattern = re.compile("<(\d{4,5})>")

for i, line in enumerate(open('test.txt')):
    for match in re.finditer(pattern, line):
        print 'Found on line %s: %s' % (i+1, match.group())

关于正则表达式的几个注释:

• 如果您不想将数字与尖括号匹配,则不需要?在末尾和外部(...),但只需要数字本身
• 它匹配尖括号之间的4或5位数

更新:重要的是要理解正则表达式中的匹配和捕获可能完全不同.我上面的代码段中的正则表达式使用尖括号匹配模式,但我要求仅捕获内部数字,而不使用尖括号.

Answer 2

一次性阅读:

import re

textfile = open(filename, 'r')
filetext = textfile.read()
textfile.close()
matches = re.findall("(<(\d{4,5})>)?", filetext)

逐行:

import re

textfile = open(filename, 'r')
matches = []
reg = re.compile("(<(\d{4,5})>)?")
for line in textfile:
    matches += reg.findall(line)
textfile.close()

但同样,除非您添加了偏移计数器,否则返回的匹配对除计数之外的任何内容都没有用:

import re

textfile = open(filename, 'r')
matches = []
offset = 0
reg = re.compile("(<(\d{4,5})>)?")
for line in textfile:
    matches += [(reg.findall(line),offset)]
    offset += len(line)
textfile.close()

但是,立即读取整个文件仍然更有意义.