Skip to main content
 首页 » 编程设计

Python之从文本文件中调用行来编译第二个文件的模式搜索

2024年10月25日14emanlee

如果有人问和回答这个问题,请原谅我。如果是这样,请将其归因于我是编程新手,并且对正确搜索了解不够。

我需要读取包含一系列数百个短语的文件,例如姓名或电子邮件地址,每行一个,用作编译搜索词的一部分 - pattern = re.search(name) . “模式”变量将用于搜索另一个超过 500 万行的文件,以从相关行中识别和提取选定字段。

为变量读入的名称文件的文本格式为:

John\n 
Bill\n 
Harry@helpme.com\n 
Sally\n 

到目前为止,我有以下代码,它不会出错,但也不会处理和关闭。如果我使用略有不同的代码和 sys.argv[1] 手动传递名称,一切正常。粗体代码(应该是)是我遇到问题的区域 - 从“lines = open...”开始

import sys 
import re 
import csv 
import os 
 
searchdata = open("reallybigfile", "r") 
Certfile = csv.writer(open('Certfile.csv', 'ab'), delimiter=',') 
 
**lines = open("Filewithnames.txt", 'r') 
while True: 
    for line in lines: 
        line.rstrip('\n') 
        lines.seek(0) 
        for nam in lines: 
             pat = re.compile(nam)** 
 
for f in searchdata.readlines(): 
    if pat.search(f): 
        fields = f.strip().split(',')  
        Certfile.writerow([nam, fields[3], fields[4]]) 
lines.close() 

底部的代码(从“for f in searchdata.readlines():”开始)可以很好地定位、提取和写入字段。我一直无法找到一种方法来读取 Filewithnames.txt 文件并让它使用每一行。它要么像这段代码一样挂起,要么将文件的所有行读取到最后一行并只返回最后一行的数据,例如“莎莉”。

提前致谢。

请您参考如下方法:

while True 是一个死循环,我看是没有办法跳出来的。那肯定会导致程序永远持续运行,而不会抛出错误。

删除 while True 行并取消缩进该循环的代码,看看会发生什么。

编辑:

如评论所述,我已经解决了一些问题,但我会让您找出实现目标所需的精确正则表达式。

import sys 
import re 
import csv 
import os 
 
searchdata = open("c:\\dev\\in\\1.txt", "r") 
# Certfile = csv.writer(open('c:\\dev\\Certfile.csv', 'ab'), delimiter=',') #moved to later to ensure the file will be closed 
 
lines = open("c:\\dev\\in\\2.txt", 'r') 
pats = []   # An array of patterns 
for line in lines: 
    line.rstrip() 
    lines.seek(0) 
    # Add additional conditioning/escaping of input here. 
    for nam in lines: 
         pats.append(re.compile(nam)) 
 
with open('c:\\dev\\Certfile.csv', 'ab') as outfile:    #This line opens the file 
    Certfile = csv.writer(outfile, delimiter=',')       #This line interprets the output into CSV 
    for f in searchdata.readlines(): 
        for pat in pats:    #A loop for processing all of the patterns 
            if pat.search(f) is not None: 
                fields = f.strip().split(',')  
                Certfile.writerow([pat.pattern, fields[3], fields[4]]) 
lines.close() 
searchdata.close() 

首先,确保关闭所有文件,包括您的输出文件。 如前所述,while True 循环导致您无限运行。 您需要一个正则表达式或一组正则表达式来涵盖所有可能的“名称”。执行一组正则表达式的代码更简单,所以这就是我在这里所做的。这可能不是最有效的。这包括一个用于处理所有模式的循环。

我相信您需要对输入文件进行额外的解析,以便为您提供干净的正则表达式。我留了一些空间供您执行此操作。

希望对您有所帮助!