Question

我想从类似这样的文本中匹配组号及其行组：

domain 1 
654789 text (one or more lines)
domain 2
125478 text (one or more lines)

我想得到：

domain 1 654789
domain 2 125478

我的代码是：

import re
from re import match

domain = re.compile(r'[-+]?domain')
terminal = re.compile(r'^[0-9][0-9]{6}(?!\d)')        
with open('in_texto.txt') as file_in:
    for linea in file_in:
        for match in re.finditer(domain, linea):
            dom = re.findall('\d+', linea)[0]
            print(dom)
            for lineas in file_in:
                for match in re.finditer(terminal, lineas):
                    print(dom+" "+lineas, end='')

但是它仅打印：

654789 text
956478 text
125478 text
 .....

我该如何解决这个问题？

Answer 1

这是使用模块regex的解决方案（实际上，使用re的工作原理完全相同）

# import regex  # or re - then subsitute regex.split for re.split etc.
# string = 'domain 1 \ntotal.....\n======= \n\n654789 text \n956478 text\ndomain 2\n======= \ncolumn..... \n\n\n125478 text \n456987 text '

domains = regex.split(r'domain \d+', string)
out = list()
for k in range(1, len(domains)):
    out.extend(['domain {} {}'.format(k, d) for d in regex.findall(r'\d+(?=\s*text)', domains[k])])
out
# ['domain 1 654789', 'domain 1 956478', 'domain 2 125478', 'domain 2 456987']

首先，我们按域划分原始文本字符串。
然后对于每个域，我们使用正则表达式\d+(?=\s*text)获得数字。
我们最后处理提取的数字，添加相应的域，并将结果附加到我们的列表中。

Answer 2

一种方法是首先提取域。通过发现域行，然后所有文本到下一个域行，可以工作。然后，将它们分成几行，并仅提取以6位数字开头的行：

import re

terminal = re.compile(r'(\d+){6}\s+')  

with open('in_texto.txt') as file_in:
    for domain, lines in re.findall(r'^(domain\s+\d+?)(.*?)(?=^domain|\Z)', file_in.read(), re.M + re.S):
        for line in lines.splitlines():
            t = terminal.match(line)

            if t:
                print(domain, t.group())

这会给你类似的东西

domain 1 654789 
domain 1 956478 
domain 2 125478 
domain 2 456987 
domain 2 236512 
domain 3 369852 
domain 3 548723

从长字符串中提取特定的字母数字模式

2 个答案: