如何修复Python 3代码以从文本文件中提取特定行

我正在尝试将4.7GB文本文件中的特定行提取到另一个文本文件中

我对python 3.7.1非常陌生，这是我能想到的最好的代码

下面是文本文件的示例：

C00629618|N|TER|P|201701230300133512|15C|IND|DOE, JOHN A|PLEASANTVILLE|WA|00000|PRINCIPAL|DOUBLE NICKEL ADVISORS|01032017|40|H6CA34245|SA01251735122|1141239|||2012520171368850783
C00501197|N|M2|P|201702039042410893|15|IND|DOE, JANE|THE LODGE|GA|00000|UNUM|SVP, CORPORATE COMMUNICATIONS|01312017|230||PR1890575345050|1147350||P/R DEDUCTION ($115.00 BI-WEEKLY)|4020820171370029335
C00177436|N|M2|P|201702039042410893|15|IND|DOE, JOHN|RED ROOM|ME|00000|UNUM|SVP, DEPUTY GENERAL COUNSEL, BUSINESS|01312017|384||PR2260663445050|1147350||P/R DEDUCTION ($192.00 BI-WEEKLY)|4020820171370029336
C00177436|N|M2|P|201702039042410895|15|IND|PALMER, LAURA|TWIN PEAKS|WA|00000|UNUM|EVP, GLOBAL SERVICES|01312017|384||PR2283905245050|1147350||P/R DEDUCTION ($192.00 BI-WEEKLY)|4020820171370029342
C00501197|N|M2|P|201702039042410894|15|IND|COOPER, DALE|TWIN PEAKS|WA|00000|UNUM|SVP, CORP MKTG & PUBLIC RELAT.|01312017|384||PR2283904845050|1147350||P/R DEDUCTION ($192.00 BI-WEEKLY)|4020820171370029339

这是我写的代码：

重新导入
打开（“data.txt”，“r”）作为射频：
对于射频线路：
字段_match=re.match（'^（.*）：（.*）$'，第行）
如果字段匹配：
（键）=字段\匹配组（）
如果键==“C00501197”：
打印（记录拆分（“|”））
将open（'extracted_data.txt'，'w'）作为wf：
写入（行）

---

我需要提取包含id C00501197的完整行，然后让程序将这些提取的行写入另一个txt文件，但到目前为止，它只提取一行，而该行不以我要提取的id开头。

您不需要通过正则表达式，只需根据分隔符拆分行，并检查您感兴趣的第n个字段：

found_lines = []

with open("data.txt", 'r') as rf:
    for line_file in rf:
        line = line_file.split("|")
        if line[0] == "C00501197" :
            found_lines.append( line )

with open('extracted_data.txt','w') as wf:
    for found_line in found_lines :
        wf.write("|".join(map(str,found_line)))

---

这应该是可行的。

您应该实现python标准的内置

csv

模块。它可以轻松地将每一行解析为一个列表。试着这样做：

import csv

with open('text.txt', 'r') as file:
    my_reader = csv.reader(file, delimiter='|')
    for row in my_reader:
        if row[0] == 'C00501197':
            print(row)

---

这将输出所需的行。然后，您可以执行任何您想要处理它们的操作，并再次保存它们

如果可以避免，就不要使用正则表达式

csv

是一个不错的选择，或者使用简单的字符串操作

ans = []

with open('data.txt') as rf:
    for line in rf:
        line = line.strip()
        if line.startswith("C00501197"):
            ans.append(line)

with open('extracted_data.txt', 'w') as wf:
    for line in ans:
        wf.write(line)

---

您的输出代码也有点混乱-总是写出文件中的最后一行，而不是选定的记录

我强烈建议使用

csv

模块，例如带有自定义

分隔符的
csv.reader
参数，用于类似的内容。不要使用正则表达式来运行自己的解析器，让库为您完成工作。另外，对于这些类型的操作，您可以尝试查看shell命令吗？如果它是一次性的，我发现它非常有用：例如，对于bash
cat data.txt | grep c0501197>extracted_data.txt
是的，应该可以，但我认为不应该包含
中断
。OP指出“我需要提取整行”（复数行）。这不是一个非常有用的文本示例，因为它不包含任何冒号，并且您的正则表达式显式查找冒号。@JohnGordon我很困惑。我的代码中甚至没有正则表达式。。。