Python 从目录中所有文件的列表中搜索所有单词，并返回上下文

我有一个关键字列表

Animals = ['dogs' , 'cat' , 'bird' ....]

我有一个包含许多文件的目录，其中可能出现1个或多个关键字

File1.txt

• “我是一辆车，我去嘟嘟”
• “我是一只猫，我会喵喵叫”
• “我是一条狗，我去求爱”

File2.txt

• “我是一只铃铛，我去叮当”
• “我是一只鸟，我去推特”
• “我是打印机，我去brrr”

我想搜索目录中的每个文件，并检查我的动物列表中的所有事件。 我想记录文件名、行号、匹配项、行

所需输出示例：

• File1.txt，2，cat，“我是一只猫，我会喵喵叫”
• File1.txt，3，dog，“我是一只狗，我去求爱”
• File2.txt，2，bird，“我是一只鸟，我去推特”

这可能吗？Python是正确的工具吗？ 我已经能够用python运行一些正则表达式测试，但是访问特定的 行号、匹配项和行

import os
import re

words = ['dog' , 'cat' , 'bird' ]

rx = re.compile('|'.join(words), re.I)

for root, dirs, files in os.walk('C:\\MySearchDirectory\\'):
    for filename in files:
        if filename.endswith('.txt'):
            with open(root + filename) as df:
                data = df.read()
                for match in rx.finditer(data):
                    print(filename + ' , ' + str(match) + ' , ' + str(match.span()))

---

当Python的标准

in

操作符将完成这项工作时，不需要使用正则表达式，IMO:

import os

words = ['dog', 'cat', 'bird']

for root, _, files in os.walk(r'C:\MySearchDirectory'):
    for path in filter(lambda p: p.endswith('.txt'), files):
        with open(os.path.join(root, path)) as f:
            for i, line in enumerate(f.readlines()):
                for word in filter(lambda w: w in line, words):
                    print(f'{path}, {i+1}, {word}, {line.strip()}')

在循环中使用

filter

vs列表理解vs

if

是一个趣味问题，但在这种情况下，我认为这是最简单的选择，因为它使两个过滤条件（文件需要以

.txt

结尾，单词需要出现在行中）一目了然

输出：

File1.txt, 2, cat, "I'm a cat, I go meow"
File1.txt, 3, dog, "I'm a dog, I go woof"
File2.txt, 2, bird, "I'm a bird, I go tweet"

---

当Python的标准

in

操作符将完成这项工作时，不需要使用正则表达式，IMO:

import os

words = ['dog', 'cat', 'bird']

for root, _, files in os.walk(r'C:\MySearchDirectory'):
    for path in filter(lambda p: p.endswith('.txt'), files):
        with open(os.path.join(root, path)) as f:
            for i, line in enumerate(f.readlines()):
                for word in filter(lambda w: w in line, words):
                    print(f'{path}, {i+1}, {word}, {line.strip()}')

在循环中使用

filter

vs列表理解vs

if

是一个趣味问题，但在这种情况下，我认为这是最简单的选择，因为它使两个过滤条件（文件需要以

.txt

结尾，单词需要出现在行中）一目了然

输出：

File1.txt, 2, cat, "I'm a cat, I go meow"
File1.txt, 3, dog, "I'm a dog, I go woof"
File2.txt, 2, bird, "I'm a bird, I go tweet"

您可以这样做：

from pathlib import Path

def find_occurrences(file, any_word:list) -> list:
    occurrences = []
    with open(file, 'r') as f:
        text = f.read()
        lines = text.split('\n')
        for line_number, line in enumerate(lines, start=1):
            matched_words = [word for word in any_word if word in line]
            if matched_words:
                occurrence = {
                    "file": file, 
                    "line_number": line_number, 
                    "line": line, 
                    "matched_words": matched_words
                }
                occurrences.append(occurrence)
    return occurrences

occurrences = []
for file in Path(r"C:\\MySearchDirectory\\").glob("**/*.txt"):
    occurrences += find_occurrences(file, any_word=["cat", "dog"])
occurrences

首先，我们循环目录中的所有“.txt”文件，并为每个文件执行函数

find\u occurrencess

。这个函数返回事件列表，我们用它更新最终结果。函数本身只读取一个文件，遍历文件的每一行，检查每一行是否包含指定的单词，如果包含指定的单词，则存储到结果中

返回的字典列表的结构如下：

[
    {
        'file': 'C:\\MySearchDirectory\\subdir\\file1.txt', 
        'line_number': 5, 
        'matched_words': ['cat', 'dog'], 
        'line': 'meau cat, hau hau dog'
    }, 
    ...
]

如果您需要其他内容，只需调整事件字典即可。请注意，行_编号从1开始。这似乎是本例的目的。

您可以按以下方式执行：

from pathlib import Path

def find_occurrences(file, any_word:list) -> list:
    occurrences = []
    with open(file, 'r') as f:
        text = f.read()
        lines = text.split('\n')
        for line_number, line in enumerate(lines, start=1):
            matched_words = [word for word in any_word if word in line]
            if matched_words:
                occurrence = {
                    "file": file, 
                    "line_number": line_number, 
                    "line": line, 
                    "matched_words": matched_words
                }
                occurrences.append(occurrence)
    return occurrences

occurrences = []
for file in Path(r"C:\\MySearchDirectory\\").glob("**/*.txt"):
    occurrences += find_occurrences(file, any_word=["cat", "dog"])
occurrences

首先，我们循环目录中的所有“.txt”文件，并为每个文件执行函数

find\u occurrencess

。这个函数返回事件列表，我们用它更新最终结果。函数本身只读取一个文件，遍历文件的每一行，检查每一行是否包含指定的单词，如果包含指定的单词，则存储到结果中

返回的字典列表的结构如下：

[
    {
        'file': 'C:\\MySearchDirectory\\subdir\\file1.txt', 
        'line_number': 5, 
        'matched_words': ['cat', 'dog'], 
        'line': 'meau cat, hau hau dog'
    }, 
    ...
]

---

如果您需要其他内容，只需调整事件字典即可。请注意，行_编号从1开始。这似乎是本例的意图。

不确定最好的方法是什么，因为我不喜欢正则表达式，但您肯定应该使用

glob

over

os

来获取文件名，因为它会短得多

list\u of_text\u files=glob.glob（'C:\\MySearchDirectory\\*.txt'）

glob

也是内置的，所以你应该知道。谢谢你的评论，我会尝试用glob重新编写代码，我在搜索时看到了一些关于这方面的东西。如果我不使用正则表达式，我担心我会粗暴地强迫搜索。因此，对于wordSearch列表中的每一个元素，我都要检查每个文件中的每一行；没有办法逃避这个问题（除了使用数据库而不是平面文件）。我不确定这样做的最佳方式是什么，因为我不喜欢正则表达式，但您肯定应该使用

glob

over

os

来获得文件名，因为它会短得多

list\u of_text\u files=glob.glob（'C:\\MySearchDirectory\\*.txt'）

glob

也是内置的，所以你应该知道。谢谢你的评论，我会尝试用glob重新编写代码，我在搜索时看到了一些关于这方面的东西。如果我不使用正则表达式，我担心我会粗暴地强迫搜索。因此，对于wordSearch列表中的每一个元素，我都要检查每个文件中的每一行；这是无法逃避的（除了使用数据库而不是平面文件）。哇，这真是太棒了。我需要一些时间来理解所有的片段，但这正是我想要的。这真是太有用了。哇，桑怀斯，谢谢你。哇，这真是太棒了。我需要一些时间来理解所有的片段，但这正是我想要的。这是非常有用的。