用python解析文件

买主警告：我会拼写p-y-t-h-o-n，这几乎是我所知道的全部。我试着参加一些在线课程，但在大约20次讲座后，我学到的东西不多，我很久以前就放弃了。所以，我要问的很简单，但我需要帮助：

我有一个具有以下结构的文件：

object_name_here:
  object_owner:
    - me@my.email.com
    - user@another.email.com
  object_id: some_string_here
  identification: some_other_string_here

这个块在同一个文件中重复了数百次。 除了这里的object_name_是唯一和必需的之外，所有其他行可能存在，也可能不存在，电子邮件地址可以是从无到10+个不同的电子邮件地址

我想做的是将这些信息导出到一个平面文件中，比如/etc/passwd，并进行扭曲

例如，我希望上面的块产生一条如下所示的线：

object_name_here:object_owner=me@my_email.com,user@another.email.com:objectid=some_string_here:identification=some_other_string_here

同样，字段的数量或内容字段的长度不是通过任何方式固定的。我确信用python完成这项任务相当容易，但我不知道如何完成。我甚至不知道从哪里开始

---

最终编辑：好的，我能够编写一个shell脚本（bash、ksh等）来解析信息，但是，当我最初问这个问题时，我的印象是，python有一种更简单的方法来处理统一或半统一的数据结构。我的理解被证明不是很准确。很抱歉浪费了您的时间。

因为您正在用不同的文本子字符串替换文本子字符串，所以这是一个使用正则表达式的非常自然的地方

幸运的是，Python有一个名为

re

的优秀正则表达式库

您可能希望大量使用

re.sub(pattern, repl, string)

请查看此处的文档：

更新：下面是一个如何使用正则表达式库的示例：

#!/usr/bin/env python

import re

body = None
with open("sample.txt") as f:
    body = f.read()

# Replace emails followed by other emails
body = re.sub(" * - ([a-zA-Z.@]*)\n * -", r"\1,", body)

# Replace declarations of object properties
body = re.sub(" +([a-zA-Z_]*): *[\n]*", r"\1=", body)

# Strip newlines
body = re.sub(":?\n", ":", body)

print (body)

示例输出：

$ python example.py
object_name_here:object_owner=me@my.email.com, user@another.email.com:object_id=some_string_here:identification=some_other_string_here

---

正如jaypb指出的，正则表达式在这里是个好主意。如果您对python 101感兴趣，我将给您一些简单的代码，让您开始使用自己的解决方案

下面的代码是一种快速而肮脏的方法，可以将文件的每六行合并为新文件的一行：

# open some files to read and write
oldfile = open("oldfilename","r")
newfile = open("newfilename","w")

# initiate variables and iterate over the input file
count = 0
outputLine = ""
for line in oldfile:
    # we're going to append lines in the file to the variable outputLine
    # file.readline() will return one line of a file as a string
    # str.strip() will remove whitespace at the beginning and end of a string
    outputLine = outputLine + oldfile.readline().strip()
    # you know your interesting stuff is six lines long, so
    # reset the output string and write it to file every six lines
    if count%6 == 0:
        newfile.write(outputLine + "\n")
        outputLine = ""
    # increment the counter
    count = count + 1

# clean up
oldfile.close()
newfile.close()

这并不完全是你想要做的，但它让你接近。例如，如果您想去掉电子邮件地址开头的“-”，并将其替换为“=”，而不是仅仅附加到

outputLine

上，您可以执行以下操作

if some condition:
    outputLine = outputLine + '=' + oldfile.readline()[3:]

最后一位是python切片，

[3://code>的意思是“在第三个元素之后给我所有东西”，它适用于字符串或列表之类的东西

那会让你开始的。使用google和python文档（例如，google的“python strip”会带您进入页面）了解上面的每一行，然后改变周围的内容以获得您需要的内容
 第一个问题：为什么要专门使用python？创建此文件是为了与ansible一起使用。由于ansible运行python，我认为这是自然的选择。第二，但与我的第一个推理不太远，如果有人能解释变量/对象赋值在python中的工作原理，也许这有助于我理解python语言，但我现在主要关心的是解析文件，而不是其他任何东西。同样，该文件在Linux平台中使用。我想用这里提供的工具来解析它，而不是在Windows或AS/400或OpenVMS上。需要某种UNIX衍生工具。这基本上是一个正则表达式操作。我可能会使用
sed
，因此它不是一种编码或教程服务，但我建议先弄清楚如何手动解析它。例如：“我将打开文件，然后逐行检查。如果一行不是以空格开头的，它是一个新对象的名称，因此我将创建一个新对象。如果一行中有一个
@
，则它是一封电子邮件。因此我将它添加到当前对象的所有者”，等等。一旦您有了一个用伪代码编写的合理算法，请尝试用Python实现它。我不知道您一直在使用什么教程，但是非常好。请注意，无论您使用C#、python、sed还是任何其他工具，正则表达式的工作原理都几乎相同。