Question

文本文件内容：

&CRB  A='test1'   B=123,345, 678   &END
Misc text potentially between entries ...
&CRB  A='test2'   
             B=788, 345, 3424   &END
&CRB  A='test3'   
             B=788, 345, 3424   &END
&CRB  A='test4' B=788, 345, 3424   &END

迭代关键字之间条目的最有效方法是什么？注意一些条目跨越行。需要类似以下内容 -

f = open(filename)
for entry in f:
    - do something with entry

当然不是那么容易。但是，有没有建议以一种简单的方式来迭代两个关键词所划分的条目。

Answer 1

假设该条目是&CRB和&END对之间的所有文本，您可以使用以下内容在它们之间提取文本：

import re

# the regular expression treats newlines as a regular character, so the
# multiline entries are okay. It's non-greedy, so it gets individual entries.
pat = re.compile(r'&CRB(.+?)&END',  re.DOTALL)

s = ''' &CRB  A='test1'   B=123,345, 678   &END
Misc text potentially between entries ...
&CRB  A='test2'   
             B=788, 345, 3424   &END
&CRB  A='test3'   
             B=788, 345, 3424   &END
&CRB  A='test4' B=788, 345, 3424   &END'''

for entry in pat.findall(s):
   # do something with each entry
   print entry

打印出来：

 A='test1'   B=123,345, 678   
  A='test2'   
             B=788, 345, 3424   
  A='test3'   
             B=788, 345, 3424   
  A='test4' B=788, 345, 3424

......清理和解释每条记录的内容是你的问题......

Answer 2

我使用re.finditer而不是re.findall，因为我们不知道一次解析它的文件的大小可能过于浪费，而有一个迭代器会产生结果将阻止该程序占用太多内存。

所以我认为最好的解决方案是the one posted by bgporter，在for循环中使用pat.finditer而不是pat.findall。 finditer产生MatchObject s而不是字符串，以获得匹配的字符串，只需调用.group()：

for entry in pat.finditer(s):
    entry_text = entry.group()
    #do something with entry_text.

Answer 3

我会在文件中读取，使用filecontents.split（'＆amp; CRB'），然后用正则表达式解析每一行（参见re模块）。

迭代两个关键字分隔的条目的最佳方法是什么？

3 个答案: