在文件对象中匹配多行正则表达式

Question

我该如何从一个文件对象（data.txt）中提取这个正则表达式的分组？

import numpy as np
import re
import os
ifile = open("data.txt",'r')

# Regex pattern
pattern = re.compile(r"""
                ^Time:(\d{2}:\d{2}:\d{2})   # Time: 12:34:56 at beginning of line
                \r{2}                       # Two carriage return
                \D+                         # 1 or more non-digits
                storeU=(\d+\.\d+)
                \s
                uIx=(\d+)
                \s
                storeI=(-?\d+.\d+)
                \s
                iIx=(\d+)
                \s
                avgCI=(-?\d+.\d+)
                """, re.VERBOSE | re.MULTILINE)

time = [];

for line in ifile:
    match = re.search(pattern, line)
    if match:
        time.append(match.group(1))

代码的最后部分有个问题，就是我一行一行地遍历，这显然不适合多行的正则表达式。我试着用 pattern.finditer(ifile) 这样的方法：

for match in pattern.finditer(ifile):
    print match

...只是想看看是否有效，但 finditer 方法需要一个字符串或缓冲区。

我也试过这种方法，但就是无法让它工作

matches = [m.groups() for m in pattern.finditer(ifile)]

有什么想法吗？

---

在Mike和Tuomas的评论后，我被建议使用 .read().. 类似这样：

ifile = open("data.txt",'r').read()

这样可以正常工作，但这真的是查找文件的正确方法吗？我就是无法让它工作...

for i in pattern.finditer(ifile):
    match = re.search(pattern, i)
    if match:
        time.append(match.group(1))

---

解决方案

# Open file as file object and read to string
ifile = open("data.txt",'r')

# Read file object to string
text = ifile.read()

# Close file object
ifile.close()

# Regex pattern
pattern_meas = re.compile(r"""
                ^Time:(\d{2}:\d{2}:\d{2})   # Time: 12:34:56 at beginning of line
                \n{2}                       # Two newlines
                \D+                         # 1 or more non-digits
                storeU=(\d+\.\d+)           # Decimal-number
                \s
                uIx=(\d+)                   # Fetch uIx-variable
                \s
                storeI=(-?\d+.\d+)          # Fetch storeI-variable
                \s
                iIx=(\d+)                   # Fetch iIx-variable
                \s
                avgCI=(-?\d+.\d+)           # Fetch avgCI-variable
                """, re.VERBOSE | re.MULTILINE)

file_times = open("output_times.txt","w")
for match in pattern_meas.finditer(text):
    output = "%s,\t%s,\t\t%s,\t%s,\t\t%s,\t%s\n" % (match.group(1), match.group(2), match.group(3), match.group(4), match.group(5), match.group(6))
    file_times.write(output)
file_times.close()

也许可以写得更简洁、更符合Python风格……

Answer 1

你为什么不把整个文件读到一个缓冲区里，使用

buffer = open("data.txt").read()

然后再用这个缓冲区进行搜索呢？

Answer 2

times = [match.group(1) for match in pattern.finditer(ifile.read())]

finditer 会返回 MatchObjects。如果正则表达式没有匹配到任何内容，times 就会是一个空列表。

你也可以修改你的正则表达式，使用不捕获的分组来处理 storeU、storeI、iIx 和 avgCI，这样 pattern.findall 只会包含匹配到的时间。

注意：把变量命名为 time 可能会和标准库中的模块冲突。使用 times 会是个更好的选择。

Answer 3

你可以使用 ifile.read() 这个方法，把文件里的数据读进一个字符串里。