4

与python中“grep”替代的类似问题；但这里的复杂性是 grepped 是来自另一个文件的变量（行）。我无法弄清楚如何使用 re.findall() 之类的函数来做到这一点

文件1：

1  20  200
1  30  300

文件2：

1  20  200  0.1  0.5
1  20  200  0.3  0.1
1  30  300  0.2  0.6
1  40  400  0.9  0.6
2  50  300  0.5  0.7

file1 中的每一行都是我的模式；我需要从file2中搜索这样的模式。那么结果应该是：

    1  20  200  0.1  0.5
    1  20  200  0.3  0.1
    1  30  300  0.2  0.6

我一直在尝试使用 bash 或 python 解决问题，但无法弄清楚。谢谢

4

4 回答 4

4

这是一个非基于正则表达式的解决方案：

with open('/tmp/file1') as f:
  lines1 = f.readlines()

with open('/tmp/file2') as f:
  for line in f:
    if any(line.startswith(x.strip()) for x in lines1):
      print line,
于 2012-05-08T02:10:05.430 回答
1

您可以利用|正则表达式中的字符意味着匹配其左侧的模式或匹配其右侧的模式这一事实：

import re

with open('file1') as file1:
    patterns = "|".join(re.escape(line.rstrip()) for line in file1)

regexp = re.compile(patterns)
with open('file2') as file2:
    for line in file2:
        if regexp.search(line):
            print line.rstrip()

当我在您的示例文件上尝试此操作时，它输出：

1   20  200 0.1 0.5
1   20  200 0.3 0.1
1   30  300 0.2 0.6

顺便说一句，如果你想在 bash 中解决这个问题，应该这样做：

grep -f file1 file2
于 2012-05-08T01:52:42.857 回答
0

我认为你需要自己的循环

file1patterns = [ re.Pattern(l) for l in f1.readlines() ]
lineToMatch = 0
matchedLines = []
for line in f2.readlines():
  if file1patterns[lineToMatch].matches(line):
    matchedLines += line
    lineToMatch += 1
  else:
    lineToMatch = 0
    matchedLines = []
  if len(matchedLines) == len(file1patterns)
    print matchedLines
    lineToMatch = 0
    matchedLines = []

（不是实际编译 Python，但希望足以让您继续前进）

于 2012-05-08T01:42:08.507 回答
0

第 1 步：读取文件 1 中的所有行，拆分它们并将它们作为元组添加到集合中。这将帮助我们在下一步中进行更快的查找。

with open('file1', 'r') as f:
    file1_lines = set([tuple(line.strip().split()) for line in f])

第 2 步：从 file2 中过滤符合您的条件的行，即它们是否以 file1 中的任何行开头：

with open('file2', 'r') as f2:
    for line in itertools.ifilter(lambda x: tuple(x.split()[:3]) in file1_lines, f2):
        print line
于 2012-05-08T03:05:51.193 回答