Python 使用re比较多个文件项

目前，我有一个脚本，可以查找多个输入文件中的所有行，这些行的格式为

匹配：500个（54.3%）

并打印出百分比最高的前10个匹配项

我希望它也能输出得分前10行，例如：得分：4000

import re

def get_values_from_file(filename):
    f = open(filename)
    winpat = re.compile("([\d\.]+)\%")
    xinpat = re.compile("[\d]") #ISSUE, is this the right regex for it? Score: 500****

    values = []
    scores = []

    for line in f.readlines():
        if line.find("Matches") >=0:
        percn = float(winpat.findall(line)[0])
        values.append(percn)

    elif line.find("Score") >=0:
        hey = float(xinpat.findall(line)[0])
        scores.append(hey)
    return (scores,values)


all_values = []    
all_scores = []

for filename in ["out0.txt", "out1.txt"]:#and so on
values = get_values_from_file(filename)
all_values += values
all_scores += scores

all_values.sort()
all_values.reverse()

all_scores.sort()  #also for scores
all_scores.reverse()

print(all_values[0:10])
print(all_scores[0:10])

我的分数格式正则表达式正确吗？我认为这就是问题所在，因为它不能正确输出这两种格式

有什么想法吗？我应该把它分成两个功能吗

---

谢谢。

否。

xinpat

将只匹配个位数，因此

findall（）

将返回个位数列表，这有点混乱。换成

xinpat=re.compile（[\d]+”）

实际上，这里不需要方括号，所以可以简化为

xinpat=re.compile（“\d+”）

顺便说一句，名字

winpat

和

xinpat

有点不透明。

pat

位正常，但是

win

和

xin

？而且

嘿

也不太好。但是我想，

xin

和

hey

只是你决定扩展程序时临时拼凑的名字

---

我刚刚注意到的另一件事，你不需要做

all_values.sort()
all_values.reverse()

你可以（也应该）一次完成：

all_values.sort(reverse=True)

我的分数格式正则表达式正确吗

不，它应该是

r“\d+”

• 您不需要

  []

  。这些括号建立了一个字符类，表示括号内的所有字符。由于括号内只有一种字符类型，因此它们不起任何作用
• 您只匹配一个字符。您需要一个

  *

  或

  +

  来匹配字符序列
• 您的字符串中有一个未经转换的反斜杠。使用

  r

  前缀允许正则表达式引擎看到反斜杠

评论： 如果是我，我会让正则表达式完成所有工作，并跳过

line.find（）

：

#UNTESTED
def get_values_from_file(filename):
    winpat = re.compile(r"Matches:\s*\d+\s*\(([\d\.]+)\%\)")
    xinpat = re.compile(r"Score:\s*([\d]+)")

    values = []
    scores = []

    # Note: "with open() as f" automatically closes f
    with open(filename) as f:
        # Note: "for line in f" more memory efficient
        # than "for line in f.readlines()"
        for line in f:
           win = winpat.match(line)
           xin = xinpat.match(line)
           if win: values.append(float(win.group(0)))
           if xin: scores.append(float(xin.group(0)))
    return (scores,values)

为了好玩，这里有一个版本的例程，每个文件只调用一次

re.findall

：

# TESTED

# Compile this only once to save time
pat = re.compile(r'''
    (?mx)                                  # multi-line, verbose
    (?:Matches:\s*\d+\s*\(([\d\.]+)\s*%\)) # "Matches: 300 (43.2%)"
    |
    (?:Score:\s*(\d+))                     # "Score: 4000"
''')
def get_values_from_file(filename):
    with open(filename) as f:
        values, scores = zip(*pat.findall(f.read()))
    values = [float(value) for value in values if value]
    scores = [float(score) for score in scores if score]
    return scores, values

---

在示例格式中，似乎在“54.3”和“%”之间存在空格字符。要处理该空间，第一个正则表达式模式应该是“winpat=re.compile（（[\d\.]+）\s\%”）。（我在number和percentaga之间添加了空格（\s））因为我们看不到输入，你能给出一个示例输出吗？@Fumu7：我怀疑空格是一个转录错误，因为user3295674说

winpat

东西工作正常。但是如果我们想处理一个可能的空格，那么

'（[\d.]+）\s*%'

或

'（[\d.]+）\s？%

会更好。@user3295674您能不能在

下修复[“out0.txt”，“out1.txt]”中文件名的缩进：

。此外，还有一个打字/转录错误

values=get\u values\u from\u file（文件名）

应该是

scores，values=get\u values\u from\u file（文件名）

+1这也是我的想法。因为他只从findall获取第一个t结果。当然，如果我真的很酷的话，我会将这两个正则表达式组合起来，这样每个输入行只有一个调用

.match（）

。至于使用

match（）

（或

search（）

）而不是'findall（），我同意。但我不知道如何组合正则表达式。我认为正则表达式的内容应该尽可能简单（但不能更简单：）。合并正则表达式会使代码的其余部分稍微复杂一些。但是比较两种方法的速度会很有趣……好的，罗伯。你的新版本很好。谢谢，是的，它们现在是测试变量，但很好的一点。我更改了正则表达式，这一个可以工作，但由于某种原因，当我打印（所有的_分数[0:10]），所有的_值都是一样的，它不会输出前10个值，而是所有的值。为什么会这样？当它只打印出一个（值）时，它就工作了。这很奇怪。由于缺少输入数据，我没有尝试运行您的代码。但是如果你能给我们提供一些输入数据样本，我很乐意为你调试。谢谢你的帮助。我终于修好了，你的解决方案帮了大忙！