Question

我有一个文件，其中包含我想要提取的特定数据。

该文件如下所示：

DS User ID 1  
random garbage  
random garbage  
DS  N user name 1   
random garbage  
DS User ID 2   
random garbage  
random garbage  
DS  N user name 2

到目前为止，我有：

import sys  
import re  
f = open(sys.argv[1])

strToSearch = ""

for line in f:
        strToSearch += line

patFinder1 = re.compile('DS\s+\d{4}|DS\s{2}\w\s{2}\w.*|DS\s{2}N', re.MULTILINE)

for i in findPat1:  
    print(i)

我的屏幕输出如下：

DS user ID 1  
DS  N user name 1  
DS user ID 2  
DS  N user name 2

如果我使用以下方式写入文件：

outfile = "test.dat"   
FILE = open(outfile,"a")  
FILE.writelines(line)  
FILE.close()

一切都被推到了一条线上：

DS user ID 1DS  N user name 1DS user ID 2DS  N user name 2

我可以忍受输出的第一个场景。理想情况下，我想从输出文件中删除“DS”和“DS N”并将其逗号分开。

User ID 1,user name 1  
User ID 2, username 2

关于如何实现这一目标的任何想法？

Answer 1

如果不了解实际的输入数据格式，允许的灵活性以及解析数据的使用方式，很难提供强大的解决方案。

从上面给出的示例输入/输出中，可以快速编制一个可用的示例代码：

out = open("test.dat", "a") # output file

for line in open("input.dat"):
    if line[:3] != "DS ": continue # skip "random garbage"

    keys = line.split()[1:] # split, remove "DS"
    if keys[0] != "N": # found ID, print with comma
        out.write(" ".join(keys) + ",")
    else: # found name, print and end line
        out.write(" ".join(keys[1:]) + "\n")

输出文件将是：

User ID 1,user name 1
User ID 2,user name 2

如果已知格式规范，则使用正则表达式可以使该代码更加健壮。例如：

import re
pat_id = re.compile(r"DS\s+(User ID\s+\d+)")
pat_name = re.compile(r"DS\s+N\s+(.+\s+\d+)")
out = open("test.dat", "a")

for line in open("input.dat"):
    match = pat_id.match(line)
    if match: # found ID, print with comma
        out.write(match.group(1) + ",")
        continue
    match = pat_name.match(line)
    if match: # found name, print and end line
        out.write(match.group(1) + "\n")

上述两个例子都假设“用户ID X”始终位于“N用户名X”之前，因此各个尾随字符为“，”和“\ n”。

如果订单不具体，可以使用数字ID作为键将值存储在字典中，然后在解析完所有输入后打印出ID /名称对。

如果您提供更多信息，或许我们可以提供更多帮助。

Answer 2

print在参数后添加换行符，但writelines没有。所以你必须这样写：

file = open(outfile, "a")
file.writelines((i + '\n' for i in findPat1))
file.close()

writelines语句也可以写成：

for i in findPat1:
    file.write(i + '\n')

Answer 3

FILE.writelines(line)

不添加行分隔符。

只是做：

FILE.write(line + "\n")

或者：

FILE.write("\n".join(lines))

Answer 4

import re

ch ='''\
DS User ID 1
random garbage
random garbage
DS  N user name 1
random garbage
DS User ID 2
random garbage
random garbage
DS  N user name 2'''

RE = '^DS (User ID (\d+)).+?^DS  N( user name \\2)'

with open('outputfile.txt','w') as f:
    for match in re.finditer(RE,ch,re.MULTILINE|re.DOTALL):
        f.write(','.join(match.groups())+'\n')

编辑：

替换

RE = '^DS (User ID \d+).+?^DS  N( user name \d+)'

与

RE = '^DS (User ID (\d+)).+?^DS  N( user name \\2)'

使用多行创建输出文件（Python）

4 个答案: