Question

我有一些需要解析的.csv文件，我被困在一个需要在不同行中分开的部分。说清楚：

一部分是，如果一个键的值为Y，则应检查该文件具有的类别数[现在使用]

这是示例csv：

004  000000,Y 
005  000000,N 
006  000000,N
007 A000000,Y
007 B000000,16
007 C010100,1
007 C020100,XTF ADVISORS TRUST - ETF 2010 PORTFOLIO
007 C030100,Y
007 C010200,2
007 C020200,XTF ADVISORS TRUST - ETF 2015 PORTFOLIO
007 C030200,Y
007 C010300,3
007 C020300,XTF ADVISORS TRUST - ETF 2020 PORTFOLIO
007 C030300,Y
007 C010400,4
007 C020400,XTF ADVISORS TRUST - ETF 2025 PORTFOLIO
007 C030400,Y
007 C010500,5
007 C020500,XTF ADVISORS TRUST - ETF 2030 PORTFOLIO
007 C030500,Y
007 C010600,6

此部分的Python代码返回部分的数量以及与007 A000000相关的行：

def haveSeries(csvfile):
with open(csvfile, 'rb') as f:
    reader = csv.reader(f)
    row2 = 0
    for row in reader:
        if (row[0] == '007 A000000') and (row[1]=='Y'):
            baseline = reader.line_num
            print baseline
            seriesnum = reader.next()
            print seriesnum[1]
            return (baseline,seriesnum[1])

对于上面的示例，它返回16，因此我们有16个类别。所以现在我应该创建另一个csv，它在所有行中都有[Key, Values]到[007 A000000,Y]，在每行的下一列中都有与类别编号相关的数据。类别在键中编号，如

086 D020000,0
086 E010000,0
086 E020000,0
086 F010000,0
086 F020000,0
024  000100,N
025 D000101,0
025 D000102,0
025 D000103,0
025 D000104,0
025 D000105,0
025 D000106,0
025 D000107,0
***... Category 1 starts at 024 000100 ...***
075 A000100,0
075 B000100,0
076  000100,0.00
024  000200,N
025 D000201,0
025 D000202,0
025 D000203,0
025 D000204,0
025 D000205,0
***... category 2 starts at 024 000200... and so on***

所以用于识别这些的REGEX类似于\d{3}( \w| )\d{3}X\d.{,}，对于X我必须迭代1到16并且每个类别都有不同的行。

我为这部分编写的代码：

if haveSeries(csvfile) != False:
        seriesBaseNNum=haveSeries(csvfile)
        # TODO write all the lines from 1 to baseline again
        for row in reader:
           for i in xrange(1,int(seriesBaseNNum[1])):
                i= u'%02d' % i # two digits
                seriesi = re.compile ("\d{3}( \w|  )\d{3}%s\d.{,}" % i) #err on %d so changed to %s
                matchers = seriesi.search(row[0])
                if matchers:
                    print matchers.**group(0)**

但我得到这样的输出：

074 T000100
074 U010100
074 U020100
074 V010100
074 V020100
074 W000100
074 X000100
074 Y000100
075 A000100
075 B000100
076  000100
024  001100
025 D001101
025 D001102
025 D001103
025 D001104
025 D001105
025 D001106
025 D001107
025 D001108
028 A011100
028 A021100
028 A031100
028 A041100
028 B011100
028 B021100
028 B031100
028 B041100
028 C011100
028 C021100
...

所以它只迭代一次并且在i = 1上（偶然i = 11，我的意思是当％s为1而前面的字符也是1）

在此示例中，如何在Regex上进行迭代以查找i = 1到16的所有匹配项？
我应该如何实现必须为所有类别编写前n列的部分，并将其余部分写入每行的下一列？

Answer 1

您的matchers变量是Match Object。根据{{3}}，您可以通过group访问结果。

>>> import re
>>> m = re.search('(?<=abc)def', 'abcdef')
>>> m.group(0)
'def'

Answer 2

问题在于正则表达式，条件线应该是这样的：

seriesi = re.compile ("\d{3}( \w|  )\d{2}%02d\d{2}.{,}" %i)

然后一个for循环从一个到多个类别，将1写入seriesBaseNNum [0]，另一个用于将类别写入cvs中的每一行。

感谢你的帮助。

在REGEX搜索中循环

2 个答案: