Python 比循环整个文件更好的正则表达式实现？

我有这样的文件：

#     BJD     K2SC-Flux EAPFlux   Err  Flag Spline
2457217.463564 5848.004 5846.670 6.764 0 0.998291
2457217.483996 6195.018 6193.685 6.781 1 0.998291
2457217.504428 6396.612 6395.278 6.790 0 0.998292
2457217.524861 6220.890 6219.556 6.782 0 0.998292
2457217.545293 5891.856 5890.523 6.766 1 0.998292
2457217.565725 5581.000 5579.667 6.749 1 0.998292
2457217.586158 5230.566 5229.232 6.733 1 0.998292
2457217.606590 4901.128 4899.795 6.718 0 0.998293
2457217.627023 4604.127 4602.793 6.700 0 0.998293

我需要查找并计数带有Flag=1的行。（第五栏）我就是这样做的：

foundlines=[]
c=0
import re
with open('examplefile') as f:
    for index, line in enumerate(f):
        try:
            found = re.findall(r' 1 ', line)[0]
            foundlines.append(index)
            print(line)
            c+=1
        except:
            pass
print(c)

---

在Shell中，我只需执行

grep“1”examplefile | wc-l

，这比上面的Python脚本要短得多。python脚本可以工作，但我感兴趣的是，是否有比上面的脚本更短、更紧凑的方法来完成任务？我更喜欢Shell的简短，所以我希望在Python中有类似的东西。

您的Shell实现可以更简短，

grep

有

-c

选项来获取计数，无需匿名管道和

wc

：

grep -c " 1 " examplefile

---

shell代码只需获取模式

1

所在的行数，但是Python代码还保留了模式匹配所在行的索引列表

只需获得行数，就可以使用

sum

和genexp/list comprehension，也不需要Regex；简单字符串

\uuuu包含\uuuu

检查将执行以下操作，因为字符串是可编辑的：

with open('examplefile') as f:
    count = sum(1 for line in f if ' 1 ' in line)
    print(count)  

如果您也想保留索引，您可以坚持您的想法，只需将

re

test替换为

str

test：

count = 0
indexes = []
with open('examplefile') as f:
    for idx, line in enumerate(f):
        if ' 1 ' in line:
            count += 1
            indexes.append(idx)

---

此外，做一个简单的

Exception

几乎总是一个坏主意（至少你应该使用

Exception

来省略

SystemExit

，

键盘中断

类似异常），只捕获你知道可能引发的异常

此外，在解析结构化数据时，您应该使用特定的工具，例如此处

csv.reader

，以空格作为分隔符（

line.split（“”）

在这种情况下也应该这样做），并根据索引4进行检查将是最安全的（请参阅）。使用第行中的

“1”测试，如果任何其他列包含
1
，则会产生误导性结果

考虑到上述情况，以下是使用
awk
匹配第5个字段的shell方式：

awk '$5 == "1" {count+=1}; END{print count}' examplefile

如果您有CSV数据，您可以使用
CSV
模块：

import csv

with open('your file', 'r', newline='', encoding='utf8') as fp:
    rows = csv.reader(fp, delimiter=' ')

    # generator comprehension
    errors = (row for row in rows if row[4] == '1')

for error in errors:
    print(error)

最短代码
在某些特定前提下，这是一个非常简短的版本：


您只需要像您的grep调用一样计算发生次数
保证每行只有一个
“1”
“1”
只能出现在所需的列中
你的文件很容易放入内存

请注意，如果不满足这些前提条件，可能会导致内存问题或返回误报

print(open("examplefile").read().count(" 1 "))

简单多用，略长
当然，如果你对这些台词有兴趣，我推荐熊猫：

df = pandas.read_table('test.txt', delimiter=" ",
                       comment="#",
                       names=['BJD', 'K2SC-Flux', 'EAPFlux', 'Err', 'Flag', 'Spline'])

要获取标志为1的所有行，请执行以下操作：

flaggedrows = df[df.Flag == 1]

返回：

            BJD  K2SC-Flux   EAPFlux    Err  Flag    Spline
1  2.457217e+06   6195.018  6193.685  6.781     1  0.998291
4  2.457218e+06   5891.856  5890.523  6.766     1  0.998292
5  2.457218e+06   5581.000  5579.667  6.749     1  0.998292
6  2.457218e+06   5230.566  5229.232  6.733     1  0.998292

要计算它们：

print(len(flaggedrows))

返回4 
因为代码工作，您应该考虑将此发布到AT。但是，很明显，在空格之间查找
1
不需要正则表达式，如果行中有“1”，请使用
。Python中的大多数内容可以放在一行上，但这会严重损害可读性。你确定尺寸对你来说是唯一重要的东西吗？如果你喜欢短的，就用shell。是的，如果可读性比我不介意长的话。好的，我将重新考虑shell实现<代码>。。。如果第
行中的“1”是不可靠的。@Tomalak我承认；）按照字面上的例子。那么你至少应该警告误报的风险。这里是否存在误报的危险，正如这里提到的@heemayl我添加了警告和更好的答案