Question

我的目录：

    path = "C:\Users\\alopes\\afolder\\"

以.proc

结尾的文件

    infile = glob.glob(os.path.join(path, '*.proc'))

更新的代码：

   import re
   import os
   import glob
   import numpy as np
   from itertools import dropwhile

   pklist = []
   #regex for packets
   regTel = re.compile(r'[A-Z_]+[.][A-Z0-9_]+')

   path = "C:\Users\\alopes\\afolder\procs\\"
   infile = glob.glob(os.path.join(path, '*.proc'))
   for j in infile:
       with open(j, "r") as fobj:
           dp = dropwhile(lambda x:  x.startswith(";(C)"), fobj)
           regTel = re.compile(r'[A-Z_]+[.][A-Z0-9_]+')
           for line in dp:
               m = regTel.search(line)
               if m:
                   print(m.group())

我试过这个把m放到另一个列表中。目标是将每个文件的所有匹配项放入将在别处使用的列表

               for n in m:
                   pklist.append(n)

Answer 1

您可以使用;(C)跳过以itertools.dropwhile开头的行，然后搜索每一行：

from itertools import dropwhile

infile = "C:\Users\\alopes\\afolder\doc_name.ext"
with open(infile) as f:
    regTel = re.compile(r'[A-Z_]+[.][A-Z0-9_]+')
    for line in dropwhile(lambda x:  x.lstrip().startswith(";(C)"), f):
        m = regTel.search(line)
        if m:
            print(m.group())

输出：

HELLO_WORLD.THIS_IS_1_TEST

如果你想针对多个文件运行它并获取所有行：

from itertools import dropwhile
def yield_matches(fles,ign):
    regTel = re.compile(r'[A-Z_]+[.][A-Z0-9_]+')
    for fl in fles:
        with open(fl) as f:
            for line in dropwhile(lambda x:  x.lstrip().startswith(ign)), f):
                m = regTel.search(line)
                if m:
                    yield m.group()

如果注释可以出现在任何地方，只需在使用fileinput.input进行迭代时使用str.startswith来读取每个文件：

import fileinput
def yield_matches(fles,ign):
    regTel = re.compile(r'[A-Z_]+[.][A-Z0-9_]+')
    for line in fileinput.input(fles):
        if not line.lstrip().startswith(ign):
            m = regTel.search(line)
            if m:
                yield m.group()

只需调用传递文件名列表的函数，然后将字符串传递给startswith。

l = some_list_of_files
for i in yield_matches(l, ";(C)"):
     print(i)

Answer 2

您可以使用正则表达式：

re.compile(r'^(?!\s*;[(]C[)]).*?([A-Z_]+[.][A-Z0-9_]+)', re.MULTILINE)

^锚定到行首
(?!\s*;[(]C[)])是一个负面的预测：“没有后跟;（C）”
.*?消耗剩余的字符直到
您的模式([A-Z_]+[.][A-Z0-9_]+)，括在括号中以创建一个组并使findall()

DEMO

Python读取文件，忽略注释并匹配文本

2 个答案: