Fatal编程技术网
  • python/
  • Python 多行正则表达式匹配检索行号和匹配项

Python 多行正则表达式匹配检索行号和匹配项

python python-3.x regex

Python 多行正则表达式匹配检索行号和匹配项,python,python-3.x,regex,Python,Python 3.x,Regex,我试图迭代文件中的所有行，以匹配可能出现的模式 发生在文件中的任何位置 在同一文件中多次出现 在同一行上发生多次 我正在搜索的字符串可以在一个正则表达式模式的多行中分布 一个例子是输入 new File() new File() there is a new File() new File() there is not a matching pattern here File() new new File() test new File() occurs twice

我试图迭代文件中的所有行，以匹配可能出现的模式

  • 发生在文件中的任何位置
  • 在同一文件中多次出现
  • 在同一行上发生多次
  • 我正在搜索的字符串可以在一个正则表达式模式的多行中分布
    • 一个例子是输入

    new File()
new
File()
there is a new File()
new
    
    
    
File()
there is not a matching pattern here File() new
new File() test new File() occurs twice on this line

    new File() Found on line 1  
new File() Found on lines 2 & 3 
new File() Found on line 4 
new File() Found on lines 5 & 9 
new File() Found on line 11
new File() Found on line 11 
6 occurrences of new File() pattern in test.txt (Filename)
    示例输出为：

    new File()
new
File()
there is a new File()
new
    
    
    
File()
there is not a matching pattern here File() new
new File() test new File() occurs twice on this line

    new File() Found on line 1  
new File() Found on lines 2 & 3 
new File() Found on line 4 
new File() Found on lines 5 & 9 
new File() Found on line 11
new File() Found on line 11 
6 occurrences of new File() pattern in test.txt (Filename)
    正则表达式模式看起来像

    pattern = r'new\s+File\s*\({1}\s*\){1}'
    查看文档，我可以看到match、findall和finditer都在字符串的开头返回匹配项，但我看不到使用搜索函数的方法，该函数可以查找正则表达式的任何位置，其中我们正在搜索的字符串超过多行（上面我的要求中的第四个）

    足够简单，可以将每行出现的多个正则表达式与匹配

    输入示例：

    line = "new File() new File()"
    代码：

    有没有一种方法可以使用Python的正则表达式来完成我想要的任务？

    您可以首先找到文本中的所有
    \n
    字符及其各自的位置/字符索引。由于每个
    \n
    …以及…开始一个新行，因此此列表中每个值的索引指示找到的
    \n
    字符终止的行号。然后搜索所有出现的模式，并使用上述列表查找匹配的开始/结束位置

    import re
import bisect

text = """new 
File()
aa new File()
new
File()
there is a new File() and new
File() again
new
    
    
    
File()
there is not a matching pattern here File() new
new File() test new File() occurs twice on this line
"""

# character indices of all \n characters in text
nl = [m.start() for m in re.finditer("\n", text, re.MULTILINE|re.DOTALL)]

matches = list(re.finditer(r"(new\s+File\(\))", text, re.MULTILINE|re.DOTALL))
match_count = 0
for m in matches:
    match_count += 1
    r = range(bisect.bisect(nl, m.start()-1), bisect.bisect(nl, m.end()-1)+1)
    print(re.sub(r"\s+", " ", m.group(1), re.DOTALL), "found on line(s)", *r)
print(f"{match_count} occurrences of new File() found in file....")
    输出：

    new File() found on line(s) 0 1
new File() found on line(s) 2
new File() found on line(s) 3 4
new File() found on line(s) 5
new File() found on line(s) 5 6
new File() found on line(s) 7 8 9 10 11
new File() found on line(s) 13
new File() found on line(s) 13
8 occurrences of new File() found in file....
    首先可以找到文本中的所有
    \n
    字符及其各自的位置/字符索引。由于每个
    \n
    …以及…开始一个新行，因此此列表中每个值的索引指示找到的
    \n
    字符终止的行号。然后搜索所有出现的模式，并使用上述列表查找匹配的开始/结束位置

    import re
import bisect

text = """new 
File()
aa new File()
new
File()
there is a new File() and new
File() again
new
    
    
    
File()
there is not a matching pattern here File() new
new File() test new File() occurs twice on this line
"""

# character indices of all \n characters in text
nl = [m.start() for m in re.finditer("\n", text, re.MULTILINE|re.DOTALL)]

matches = list(re.finditer(r"(new\s+File\(\))", text, re.MULTILINE|re.DOTALL))
match_count = 0
for m in matches:
    match_count += 1
    r = range(bisect.bisect(nl, m.start()-1), bisect.bisect(nl, m.end()-1)+1)
    print(re.sub(r"\s+", " ", m.group(1), re.DOTALL), "found on line(s)", *r)
print(f"{match_count} occurrences of new File() found in file....")
    输出：

    new File() found on line(s) 0 1
new File() found on line(s) 2
new File() found on line(s) 3 4
new File() found on line(s) 5
new File() found on line(s) 5 6
new File() found on line(s) 7 8 9 10 11
new File() found on line(s) 13
new File() found on line(s) 13
8 occurrences of new File() found in file....
    可以先计算匹配前的换行数，然后计算匹配值中的换行数，然后合并行号： 见：

    重新导入
s='new File（）\nnew\n文件（）\n有一个新文件（）\nnew\n\n\n文件（）\n这里没有匹配的模式File（）new\nnew File（）test new File（）在此行中出现两次
pattern=r'new\s+File\s*\（\s*\）'
对于m in re.finditer（模式，s）：
linenums=[s[：m.start（）].count（'\n'）+1]
对于范围内的u（m.group（）.count（'\n'））：
linenums.append（linenums[-1]+1）
打印（{}行中找到“{}”。格式（re.sub（r'\s+”，“”，m.group（），“，”。join（map（str，linenums）））
    看

    输出：

    在第1行找到新文件（） 在第2、3行找到新文件（） 在第4行找到新文件（） 在第5、6、7、8、9行找到新文件（） 在第11行找到新文件（） 在第11行找到新文件（）
    您可以计算匹配前的换行数，然后计算匹配值中的换行数，并合并行号： 见：

    重新导入
s='new File（）\nnew\n文件（）\n有一个新文件（）\nnew\n\n\n文件（）\n这里没有匹配的模式File（）new\nnew File（）test new File（）在此行中出现两次
pattern=r'new\s+File\s*\（\s*\）'
对于m in re.finditer（模式，s）：
linenums=[s[：m.start（）].count（'\n'）+1]
对于范围内的u（m.group（）.count（'\n'））：
linenums.append（linenums[-1]+1）
打印（{}行中找到“{}”。格式（re.sub（r'\s+”，“”，m.group（），“，”。join（map（str，linenums）））
    看

    输出：

    在第1行找到新文件（） 在第2、3行找到新文件（） 在第4行找到新文件（） 在第5、6、7、8、9行找到新文件（） 在第11行找到新文件（） 在第11行找到新文件（）
    @mrxa这太棒了，谢谢注意，
    re.MULTILINE | re.DOTALL
    在这里是多余的，因为没有
    、
    ^
    和
    $
    模式，它们的行为可以用这些选项修改。@mrxa这太棒了，感谢您注意，
    re.MULTILINE | re.DOTALL
    在这里是多余的，因为没有
    、
    ^
    和
    $
    模式可以使用这些选项修改其行为。