我正在尝试在文本文件中设置范围，以将搜索结果与特定章节关联

Question

我知道有很多更可行的方法来解决这个问题，比如使用mysql、oracle等数据库。不过，我手上有一个mysql数据库文件（KJV圣经），可以通过PHP代码进行搜索。但我想用Python打开Bible.txt文件，搜索特定的字符串，并返回找到的行和行号。此外，对我来说一个挑战是，我还想返回找到的行所在的书名（从一个平面文件中）。我一直在学习Python，想让自己更熟悉这门语言。不幸的是，我的知识和技能还不够，无法有效地解决问题。于是我想到了一个办法：我可以使用range方法来设置章节的开始和结束（代表行号），然后为每本书/章节硬编码一个名字（比如，range(38, 4805)表示这一范围内的所有行都是《创世纪》）。这个方法似乎有效；我只试过几本书。但代码写得很冗长（有很多elif语句）。有没有人知道更高效的方法？下面是我写的一段代码，试了几本书，而KJV.txt文件可以从古腾堡计划获取。

 import os
 import sys
 import re

 word_search = raw_input(r'Enter a word to search: ')
 book = open("KJV.txt", "r")
 regex = re.compile(word_search)
 bibook = ''

 for i, line in enumerate(book.readlines()):
     result = regex.search(line)
     ln = i
     if result:
         if ln in range(36, 4809):
            bibook = 'Genesis'
         elif ln in range(4812, 8859):
            bibook = 'Exodus'
         elif ln in range(8867, 11741):
            bibook =  'Leviticus'
         elif ln in range(11749, 15713):
            bibook = 'Numbers'

         template = "\nLine: {0}\nString: {1}\nBook: {2}\n"
         output = template.format(ln, result.group(), bibook)
         print output

Answer 1

避免使用elifs的一个简单方法是用循环。用start <= ln < stop来检查一个数字是否在范围内，这样比用range生成一个列表再逐个比较要高效得多。

import os
import sys
import re


word_search = raw_input(r'Enter a word to search: ')
book = open("KJV.txt", "r")
regex = re.compile(word_search)
bibook = ''

bookranges = [
    ((36, 4809),  'Genesis'),
    ((4812, 8859), 'Exodus'),
    ((8867, 11741), 'Leviticus'),
    ((11749, 15713), 'Numbers')
]


for ln, line in enumerate(book.readlines()):
    result = regex.search(line)
    if result:
        for (start, stop), bibook in bookranges:
            if start <= ln <= stop:
                # found the book, so end the loop and use it later
                break
        else:
            # didnt find any range that matches.
            bibook = 'Somewhere between books'

     template = "\nLine: {0}\nString: {1}\nBook: {2}\n"
     output = template.format(ln, result.group(), bibook)
     print output

Answer 2

你可以试试这样做。注意，书本是一个接一个出现的，所以你只需要记录你当前在看的那本书是什么。此外，你用来检查行号是否在一个范围里的方法其实很耗费资源，因为对于文本文件中的每一行，你都要构建每个范围，然后再逐行检查行号是否在里面。

books = [("Introduction",36),("Genesis",4809),("Exodus",8859),
         ("Leviticus",11741),("Numbers",15713)]

import os
import sys
import re

word_search = raw_input(r'Enter a word to search: ')
book = open("KJV.txt", "r")
bookIndex = 0
bookEnd = books[bookIndex][1]

for lineNum, line in enumerate(book):
    if lineNum > bookEnd:
        bookIndex += 1
        bookEnd = books[bookIndex][1]
    if word_search in line:
        template = "\nLine: {0}\nString: {1}\nBook: {2}\n"
        output = template.format(lineNum, line, books[bookIndex][0])
        print output

有一个评论提到，你可以尝试一种更数据驱动的方法，而不是死记硬背书的位置。每本书的开头是否有一行或多行是容易识别的格式？如果是这样，你可以试着检查这些格式，并记录你当前在看的书是哪一本。

Answer 3

这是一个很好的开始。不过，我有一些建议。

首先，你使用的 readlines 有点不够高效。readlines 会把文件的所有行都读到一个新的列表里，这样会占用很多内存。但其实你不需要这样做；如果你只是想逐行读取文件，可以直接用 for line in file，在你的例子中可以这样写：

for i, line in enumerate(book):

另外，如果你确实想把文件内容存到内存中，可能是为了多次查找，可以把 readlines 的结果保存到一个变量里：

booklines = book.readlines()
for i, line in enumerate(booklines):

你也可以用 read 把文本作为一个完整的字符串存储，不过在这种情况下用处不大，因为你还得把它分开：

booktxt = book.read()
booklines = book.splitlines() #
for i, line in enumerate(booklines)

其次，我建议不要用 i 作为索引变量，然后再单独保存到 ln，不如一开始就用一个有意义的变量名。ln 还不错，line_number 更清楚但有点啰嗦，lineno 是个不错的折中方案。这里我们就用 ln，因为大家都知道它的意思。

for ln, line in enumerate(book):

第三，正如 utdemir 在评论中提到的，你其实不需要用正则表达式。可能如果你想让用户能输入更复杂的搜索条件，这样做有意义，但正则表达式比较复杂，作为默认的用户界面不太合适。我建议用 in 来做简单的子字符串匹配，比如：

    if word_search in line: 

剩下的 if 语句没问题，在某些情况下这样做是最好的。不过，很多情况下，如果需要用到 case 语句，其实用字典会更好。当然，这里你有范围，所以我们得聪明一点。

我们先来定义一个起始页的字典。显然，这个字典应该放在循环之前，这样我们就不会每次循环都重新定义它。

first_lines = {36: 'Genesis', 4812: 'Exodus', 8867: 'Leviticus', 11749: 'Numbers'}

现在我们需要把 ln 映射到这个字典的某个值上。但很可能 ln 并不等于上面任何一个数字，所以我们不能直接把它放进字典。我们 可以 用一个 for 循环来遍历字典的键（for key in first_lines），把前一个键存到 prev_key，测试 ln > key，如果成立，就返回 prev_key。但其实在 Python 中有更好的方法。我们可以用 filter 函数或者列表推导式来过滤掉大于 ln 的值，然后找到 max。

first_line = max(filter(lambda l: l < ln, first_lines))

这里 first_lines 就像一个无序的键列表；一般来说，你可以像遍历列表一样遍历字典的键，但要注意，键的顺序可能不一样。lambda 是一种定义短函数的方法：这个函数接受 x 作为参数，并返回 x < ln 的结果。我们得这样做，因为 filter 的第一个参数需要是一个函数。它会返回一个列表，包含所有在 first_lines 中返回 True 的值。

因为这可能有点难以理解，尤其是涉及到 lambda 时，我们用列表推导式可能会更好。列表推导式对大多数人来说都很易读和直观。

first_line = max([l for l in first_lines if l < ln])

在这种情况下，我们甚至可以省略括号，因为我们是直接把它传给一个函数。Python 会把它解释为一种叫做“生成器表达式”的东西，类似于列表推导式，但它是动态计算值，而不是一开始就把它们存储在列表里。

first_line = max(l for l in first_lines if l < ln)

现在要获取书名，你只需用 first_line 作为键：

bibook = first_lines[first_line]

最终结果：

import os
import sys
import re

word_search = raw_input(r'Enter a word to search: ')
book = open("KJV.txt", "r")
first_lines = {36: 'Genesis', 4812: 'Exodus', 8867: 'Leviticus', 11749: 'Numbers'}

for ln, line in enumerate(book):
    if word_search in line:
        first_line = max(l for l in first_lines if l < ln)
        bibook = first_lines[first_line]

        template = "\nLine: {0}\nString: {1}\nBook: {2}\n"
        output = template.format(ln, word_search, bibook)
        print output