Question

我正在尝试读取目录中的所有文件，并输出包含正则表达式的文件以及每个文件中的正则表达式。

 import glob
import re
import PyPDF2
#-------------------------------------------------Input----------------------------------------------------------------------------------------------
folder_path = "/home/"
file_pattern = "/*"
folder_contents = glob.glob(folder_path + file_pattern)

#Search for Emails
regex1= re.compile(r'\S+@\S+')
#Search for Phone Numbers
regex2 = re.compile(r'\d\d\d[-]\d\d\d[-]\d\d\d\d')

match_list=[]

for file in folder_contents:

    if re.search(r".*(?=pdf$)",file):
        #this is pdf
        with open(file, 'rb') as pdfFileObj:
            pdfReader = PyPDF2.PdfFileReader(pdfFileObj) 
            pageObj = pdfReader.getPage(0)  
            content = pageObj.extractText()
            read_file = open(file,'rb')
            #print("{}".format(file))

    elif re.search(r".*(?=csv$)",file):
        #this is csv
        with open(file,"r+",encoding="utf-8") as csv:
            read_file = csv.read()
            #print("{}".format(file))
    elif re.search(r"/jupyter",file):
        print("wow")
    elif re.search(r"/scikit",file):
        print("wow")
    else:
        read_file = open(file, 'rb').read()
       #print("{}".format(file))
        continue
    if regex1.findall(read_file) or regex2.findall(read_file):
                print(read_file)

我设法编写了以下代码，但出现以下错误：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-39-f614d35e0441> in <module>()
     38        #print("{}".format(file))
     39         continue
---> 40     if regex1.findall(read_file) or regex2.findall(read_file):
     41                 print(read_file)

TypeError: expected string or bytes-like object

有什么方法可以使它正常工作吗？

Answer 1

用以下内容替换读取的文件代码：

with open(File, mode='rb') as file:
    readFile = file.read()

Answer 2

对于read()，只有open(filename)可以使用。只需替换为这个，您就可以解决问题。

read_file = open(file).read()

Answer 3

首先，我向其他回答此问题的人表示歉意，因为我会说一些关于OP以前的问题。

关于OP，您不应无所顾忌地复制代码。

Content是您已经阅读的页面。这意味着您的代码应为read_file = content。以及为什么我写read_file = #，因为我认为您会添加额外的代码。但它不应再次读取同一文件。

with open(file, 'rb') as pdfFileObj:
        pdfReader = PyPDF2.PdfFileReader(pdfFileObj) 
        pageObj = pdfReader.getPage(0)  
        content = pageObj.extractText()
        read_file = open(file,'rb') 
        #^---^---^ according to your former question, `read_file` should  be `content`

并且还会出现其他问题。您应该在continue之后添加print("wow")。

elif re.search(r"/jupyter",file):
    print("wow")
elif re.search(r"/scikit",file):
    print("wow")

否则，您的代码将继续运行，然后发生错误。因为你什么都没读。

if regex1.findall(read_file) or regex2.findall(read_file):
    print(read_file)

读取目录中的所有文件并输出其中包含某些正则表达式的文件

3 个答案: