Python 将.txt文件解析为单个.csv输出

我目前正在尝试解析2个文本文件，然后有一个.csv输出。一个包含路径/文件位置列表，另一个包含与路径/文件位置相关的其他信息

第一个文本文件包含（path.txt）：

第二个文本文件包含（filelist.txt）：

---

如何获得包含文件路径及其相应哈希值的.csv输出？另外，如果我想添加与路径对应的其他列/信息

示例表输出：

文件路径
散列值
C:/Windows/System32/vssadmin.exe
DA39A3EE5E6B4B0D3255BFF95601890AFD80709
C:/Users/Administrator/Desktop/google.com
cf23df2207d99a74fbe169e3eba035e633b78987

要解析所谓的第二个

.txt

（它不是），您需要重新构造它，使它看起来像一个普通的python数据结构。它非常接近，有很多方法可以强迫它看起来像一个：

导入ast
contents=”“#这将用于保存该文件的读取内容
filestart=False
打开（'filelist.txt'）作为fh：
对于fh中的线路：
如果不是filestart而不是line.startswith（“$VAR”）：
持续
elif line.startswith（“$VAR”）：
contents+=“{”#启动字典
filestart=True#终止第一个if语句
其他：
内容+=行#填写文件的其余部分
#创建字典，我们在这里使用ast，因为json将失败
结果=ast.literal\u eval（contents.replace（“=>”，“：”））
#{'File'：[{'RootkitInfo'：'Normal'，'FileVersionLabel'：'6.1.7600.16385'，'ProductVersion'：'6.1.7601.17514'，'Path'：'C:/Windows/System32/vssadmin.exe'，'Signer'：'Microsoft Windows'，'Size'：'210944'，'SHA1'：'da39a3ee5e6b4b4bbd3255fef95601890afd80709'，{'rootkitino'：'Normal'，'FileVersionLabel'：'6.1.7600.16385'，'ProductVersion'：'6.1.7601.17514'，'Path'：'C:/Users/Administrator/Desktop/steam.exe'，'Signer'：'Valve Inc'，'Size'：'300944'，'SHA1'：'cf23df2207d99a74fbe169e3eba035e63b65d94'，{'RootkitInfo'：'Normal'，'FileVersionLabel'：'6.1.7600.16385'，'ProductVersion'：'6.1.7601.17514'，'Path'：'C:/Users/Administrator/Desktop/google.com'，'Signer'：'Valve Inc'，'Size'：'300944'，'SHA1'：'cf23df2207d99a74fbe169e3eba035e63b78987'}]
files=result[“File”]#从这里获取您的列表

现在它的格式可以接受了，我将把它转换成

file:hash

键值对的dict，以便轻松查找其他文件

files\u dict={file['Path']：文件中的文件的文件['SHA1']
#现在抓取另一个文件，查找应该非常简单
以open（“path.txt”）作为fh：
结果=[f”{filepath.strip（）}，{files_dict.get（filepath.strip（））}用于fh中的文件路径]
#现在你可以把它放到csv上了
以开放（“path.csv”、“w”）作为fh：
fh.write（'File Path，Hash Value'）#写入头
fh.write（'\n'.join（结果））

---

有更好的方法可以做到这一点，但这可以留给读者作为练习来解析所谓的第二个

.txt

（它不是），您将需要重新构造它，使它看起来像一个普通的python数据结构。它非常接近，并且有一些方法可以强制它看起来像一个：

导入ast
contents=”“#这将用于保存该文件的读取内容
filestart=False
打开（'filelist.txt'）作为fh：
对于fh中的线路：
如果不是filestart而不是line.startswith（“$VAR”）：
持续
elif line.startswith（“$VAR”）：
contents+=“{”#启动字典
filestart=True#终止第一个if语句
其他：
内容+=行#填写文件的其余部分
#创建字典，我们在这里使用ast，因为json将失败
结果=ast.literal\u eval（contents.replace（“=>”，“：”））
#{'File'：[{'RootkitInfo'：'Normal'，'FileVersionLabel'：'6.1.7600.16385'，'ProductVersion'：'6.1.7601.17514'，'Path'：'C:/Windows/System32/vssadmin.exe'，'Signer'：'Microsoft Windows'，'Size'：'210944'，'SHA1'：'da39a3ee5e6b4b4bbd3255fef95601890afd80709'，{'rootkitino'：'Normal'，'FileVersionLabel'：'6.1.7600.16385'，'ProductVersion'：'6.1.7601.17514'，'Path'：'C:/Users/Administrator/Desktop/steam.exe'，'Signer'：'Valve Inc'，'Size'：'300944'，'SHA1'：'cf23df2207d99a74fbe169e3eba035e63b65d94'，{'RootkitInfo'：'Normal'，'FileVersionLabel'：'6.1.7600.16385'，'ProductVersion'：'6.1.7601.17514'，'Path'：'C:/Users/Administrator/Desktop/google.com'，'Signer'：'Valve Inc'，'Size'：'300944'，'SHA1'：'cf23df2207d99a74fbe169e3eba035e63b78987'}]
files=result[“File”]#从这里获取您的列表

现在它的格式可以接受了，我将把它转换成

file:hash

键值对的dict，以便轻松查找其他文件

files\u dict={file['Path']：文件中的文件的文件['SHA1']
#现在抓取另一个文件，查找应该非常简单
以open（“path.txt”）作为fh：
结果=[f”{filepath.strip（）}，{files_dict.get（filepath.strip（））}用于fh中的文件路径]
#现在你可以把它放到csv上了
以开放（“path.csv”、“w”）作为fh：
fh.write（'File Path，Hash Value'）#写入头
fh.write（'\n'.join（结果））

---

有更好的方法可以做到这一点，但这可以留给读者作为练习

您可以构建与所需匹配的正则表达式模式

pattern = r"""{.*?(C:/Windows/System32/vssadmin.exe).*?'SHA1' => '([^']*)'.*?}"""

要在循环中使用多个文件名，请将该模式转换为格式字符串

大概是这样的：

import re
with open('filelist.txt') as f:
    s = f.read()
with open('path.txt') as f:
    for line in f:
        pattern = fmt.format(line.strip())
        m = re.search(pattern, s, flags=re.DOTALL)
        if m:
            print(m.groups())
        else:
            print('no match for', fname)

---

这有点低效，并且取决于文件的内容是否与您所表示的完全相同，就像大小写相同一样

---

或者不使用正则表达式：迭代

filelist.txt

的行；找到

路径

行；用切片提取路径，查看它是否是

Path.txt

中的路径；找到下一个

SHA1

行；e

pattern = r"""{.*?(C:/Windows/System32/vssadmin.exe).*?'SHA1' => '([^']*)'.*?}"""

fmt = r"""{{.*?({}).*?'SHA1' => '([^']*)'.*?}}"""

import re
with open('filelist.txt') as f:
    s = f.read()
with open('path.txt') as f:
    for line in f:
        pattern = fmt.format(line.strip())
        m = re.search(pattern, s, flags=re.DOTALL)
        if m:
            print(m.groups())
        else:
            print('no match for', fname)

with open('path.txt') as f:
    fnames = set(line.strip() for line in f)
with open('filelist.text') as f:
    for line in f:
        line = line.strip()
        if line.startswith("'Path'") and line[11:-2] in fnames:
            name = line[11:-2]
            while not line.startswith("'SHA1'"):
                line = next(f)
                line = line.strip()
            print((name, line[11:-2]))