Python 如何查找文件中的所有数字条目

我有一个文件，其中的一个部分如下所示：

report from:PCAT1.DB   created at:2019-06-27 14:32:24   generated at:2019-06-27 14:35:10

number of campaigns:466

unique assets:950   downloaded assets:920   deleted assets:0   total assets: 922

我试图做的是识别某些标题旁边的数字。也就是说，我需要唯一资产和总资产，然后将它们放入字典或列表中

下面是我一直在使用的一些代码，但它拾取了所有至少有3位数字的数字，所以我也得到了我不想要的时间/日期值

assets = []

with open("C://AdSmart Results//Rack_54//cdb_report2.html") as adsmart:
    for line in adsmart.readlines():
        if re.search(r'assets:\d{3}', line):
            assets.append(line)

print(assets)

资产字典应最终填充资产类型和相应的值：

assets = { "Unique Assets": "950", "Total Assets": "922"}

---

一如既往，我们非常感谢所有的帮助和指导。如果这是我在搜索中漏掉的问题的重复，我深表歉意。

我猜您可能希望设计一个包含两个捕获组的表达式，可能类似于：

(?i)\b([a-z][a-z\s]+\bassets?)\s*:\s*(\d+)

你可以增加更多的边界

试验 输出

---

如果您希望探索/简化/修改该表达式，它已被删除 在的右上面板上进行了说明 . 如果你愿意，你可以 也可以观看，它将如何匹配 对照一些样本输入

---

正则表达式电路 可视化正则表达式：

---

以下是代码的一个变体，我认为它可以按照您的要求工作：

import re

assets = {}

with open("C://AdSmart Results//Rack_54//cdb_report2.html") as adsmart:
    for line in adsmart.readlines():
        for match in re.finditer(r'(\w+ assets):\s*(\d+)', line):
            assets[match.group(1)] = int(match.group(2))

print(assets)

改变了什么：

每行有多个数字，因此需要迭代每行中的匹配项。因此，我将

if re.search（…）

更改为

以在re.finditer（…）

中查找匹配项。而对于找到的第一个匹配项（如果有），返回一个

Match

对象，则返回每个匹配项对象。然后我们可以绕过去

正则表达式

（\w+assets）

首先匹配一个单词，然后匹配一个空格，然后匹配单词“assets”

我不明白你是否只想要三位数，但这就是

\d{3}

的含义。它与

\d\d\d

相同。我把它改为

\d+

，意思是“一个或多个数字”

正则表达式中的括号是捕获组。因此，对于每个

Match

对象，

Match.group（1）

是匹配第一对括号内正则表达式的文本，

Match.group（2）

是第二个，以此类推

我将

assets

从列表更改为dict，因为这是您在所需输出中显示的内容。然后我们可以将资产类型（

match.group（1）

）映射到计数（

int（match.group（2））

）

这是我得到的输出：

{'unique assets': 950, 'downloaded assets': 920, 'deleted assets': 0, 'total assets': 922}

---

你是如何得到时间和日期号码的？它们前面没有

资产：

。您将遇到的另一个问题是，一旦找到与正则表达式匹配的内容（

assets.append（line）

）。因此，当它找到[…]资产时：950[…]您将把整行添加到您的资产字典中。太好了，这正是我需要的信息。非常感谢。非常感谢。我已经预订了这些页面，因为我认为它们将来会非常有用。

import re

assets = {}

with open("C://AdSmart Results//Rack_54//cdb_report2.html") as adsmart:
    for line in adsmart.readlines():
        for match in re.finditer(r'(\w+ assets):\s*(\d+)', line):
            assets[match.group(1)] = int(match.group(2))

print(assets)

{'unique assets': 950, 'downloaded assets': 920, 'deleted assets': 0, 'total assets': 922}