2

我正在尝试从文本文件中获取数据。文本文件中感兴趣的行是那些一直匹配“标记 2”直到最后一个“标记 3”实例的行。可以有多个标记（重复）。我想要'Marker 2'的最小行号和'Marker 3'的最大行号-该最小值/最大值内的所有文本。虽然这可行，但我想看看如何以 Python 的方式、更高效和更少的代码来做到这一点。

为什么我必须两次打开同一个文件？否则它给了我，xreadlines 和 readlines 冲突？

file_seeklines.py

import sys

filename = sys.argv[1]

line_number = []
number = 0

## Fetch the boundary(start, end points)
f = open(filename,'r')

for line in f.xreadlines():
    number += 1
    if "marker 2" in line.strip().lower():
        line_number.append(number)
    if "marker 3" in line.strip().lower():    
        line_number.append(number)

#print line_number[0], line_number[-1]
start, end = line_number[0]-1, line_number[-1]

f.close()

## Grab the boundary 
g = open(filename,'r')

linelist = g.readlines()

try:
    for i in xrange(start, end):
        print linelist[i]
except:
    print "failed"
    pass
g.close()

文件.txt

Welcome notice
------------------------
Hello there, welcome! Foo
Marker 0
hello

world

Bar
Yes!
Foo

How are ya?!

Bar

Have a great day!

Marker 1

Hello 1 2
12

MarKer 2
Hello 23
23
Marker 3
Hello 34
34

marker 2
Hello 45
45
MArker 3

输出

MarKer 2

Hello 23

23

Marker 3

Hello 34

34



marker 2

Hello 45

45

MArker 3
4

3 回答 3

4

您是否有理由不只是使用正则表达式？即(marker 2.*marker 3)带有re.DOTALL和re.IGNORECASE标志。

于 2012-05-22T16:11:41.917 回答
4

如果您的文件不是很大read()到内存中，您可以采用正则表达式方法（利用*操作员贪婪的事实）：

import re
with open(filename, 'r') as f:
    inBetween = re.search(r"Marker 2(.*)Marker 3", f.read(), re.S | re.I).group()

另一种选择是在两个方向上遍历线，分别在“标记 2”和“标记 3”的第一次出现处停止：

with open(filename, 'r') as f:
    lines = f.readlines
    for i in range(len(lines)):
        if "marker 2" in lines[i].lower():
            start = i
            break
    else:
        start = None

    for i in range(len(lines), -1, -1):
        if "marker 3" in lines[i].lower():
            end = i
            break
    else:
        end = None

    if None not in (start, end):
        inBetween = lines[start + 1:end]
    else:
        #one of the markers is missing, handle here.
于 2012-05-22T16:12:24.280 回答
2

不要使用readlines()butread()这样您就不必遍历行。

然后，您可以找到您感兴趣的部分split()。

例如

with open(filename,'r') as f:
    text = f.read().lower().split("marker 2",1)[1]
    text = text.rsplit("marker 3",1)[0]

    print('marker 2\n'+text+'marker 3')
于 2012-05-22T16:11:38.947 回答