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:Python 根据子字符串索引查找内容,python,regex,Python,Regex,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
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)
修改器制作re.多行
匹配行的起始^
-行的开头^
-a将包含列出的备选方案(例如,(?:{0})
)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)*
-0或更多次重复:(?:[\r\n]+(?!(?:{0})).*)
-1个或多个LF或/和CR符号([\r\n]+(?!(?:{0}))
)后面没有任何[\r\n]+
项关键字
-行的其余部分*
['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.']