Python 根据子字符串索引查找内容

以下代码根据文件的子字符串出现情况（我在这里说关键字）以及与之相关的文本从文件中提取行：

from itertools import count

def find_content_blocks_by_keywords(lines, keywords):
    keyword_indexes = sorted([i for i, line in zip(count(), lines) for 
    keyword in keywords if re.search(keyword, line)])  
    return [lines[i:j] for i, j in zip([0]+keyword_indexes, keyword_indexes+[None])]

这是我的示例文本文件

keywords = ['Total item value', 'Total weight', 'Total volume']
lines = ['Total item value RSX 05,018.88\n',
  'Total weight 90,969 EUR\n',
  'Total volume -97.93 X3 Sca.\n',
  '197.939 X3 Sca.']

要提取的子字符串及其值

result = find_content_blocks_by_keywords(lines, keywords):

样本结果：

[[],
 ['Total item value RSX 05,018.88\n'],
 ['Total weight 90,969 EUR\n'],
 ['Total volume -97.93 X3 Sca.\n', '197.939 X3 Sca.']]

我们可以直接使用

re.findall

或任何其他

re

方法来实现这一点吗

---

由于内容在我的文件中不是固定的，因此无法使用某些正则表达式来提取它。逻辑是，找到关键字并获取它前面的所有内容，除非出现下一个关键字

以下是我建议的修复方法：

from itertools import count
import re

keywords = ['Total item value', 'Total weight', 'Total volume']
lines = ['Total item value RSX 05,018.88\n',
  'Total weight 90,969 EUR\n',
  'Total volume -97.93 X3 Sca.\n',
  '197.939 X3 Sca.']

pat = r'(?m)^(?:{0}).*(?:[\r\n]+(?!(?:{0})).*)*'.format("|".join([re.escape(x) for x in keywords]))
print(re.findall(pat, "\n".join(lines)))

报告的产出：

图案说明

• （？m）

  -

  re.多行

  修改器制作

  ^

  匹配行的起始

• ^

  -行的开头

• （？：{0}）

  -a将包含列出的备选方案（例如，

  项目总价值|总重量|总体积

  ）

• *

  -除LF以外的任何0+字符（行的其余部分）

• （？：[\r\n]+（？！（？：{0}））.*）

  -0或更多次重复：

  • [\r\n]+（？！（？：{0}））

    -1个或多个LF或/和CR符号（

    [\r\n]+

    ）后面没有任何

    关键字

    项

  • *

    -行的其余部分

---

下一个关键词前总是有换行符吗？@Sven Krüger-YesDo有什么帮助的答案吗？@MikeRobins-谢谢，让我看看。我不知道你的正则表达式知识水平：），所以我只能建议你在上完成所有课程，通读，（通过许多其他链接到伟大的在线资源），以及所谓的社区。还有，值得一看。

['Total item value RSX 05,018.88\n', 'Total weight 90,969 EUR\n', 'Total volume -97.93 X3 Sca.\n\n197.939 X3 Sca.']