使用Python 3.4解析文本文件并将匹配模式写入另一个文件

Question

我想打开一个文本文件，然后从中找出特定的正则表达式模式。如果找到这个模式，我就把匹配到的内容写到另一个文本文件里。

具体来说，我想从一个IP地址的列表中提取出特定的IP地址。

这个文件可能包含：

10.10.10.10
9.9.9.9
5.5.5.5
6.10.10.10

假设我只想要那些以10结尾的IP地址（我觉得我的正则表达式还不错），我的例子是寻找10.180.42和041.XX的IP地址。但我会根据需要进行调整。

我尝试了几种方法，但都失败得很惨。今天这样的日子让我明白了为什么我从来没有掌握过任何编程语言。不过我决定专注于Python，所以我开始了。

import re

textfile = open("SymantecServers.txt", 'r')

matches = re.findall('^10.180\.4[3,1].\d\d',str(textfile))
print(matches)

这让我得到了空的结果。我不得不把文本文件放在str函数里，否则就出错了。我不知道这样做是否正确。

无论我怎么调整，这个方法都失败了。

f = open("SymantecServers.txt","r")
o = open("JustIP.txt",'w', newline="\r\n")
for line in f:
    pattern = re.compile("^10.180\.4[3,1].\d\d")
    print(pattern)
    #o.write(pattern)
    #o.close()
   f.close()

我确实有一个方法可以工作，但它返回的是整行内容（包括网络掩码和其他像主机名这样的信息，都是在同一行的文本文件里）。我只想要IP地址。

有没有人能帮我一下，教我怎么读取一个文本文件，如果里面有IP地址的模式，就把完整的IP地址抓取出来，并写入另一个文本文件，这样我就能得到一个只包含我想要的IP地址的文本文件。我已经花了3个小时在这上面，工作也落后了，所以我打算先手动处理第一个文件……

我真的不知道我缺少了什么。抱歉，我还是个新手。

Answer 1

你可能忽略了一点，就是你在使用 re.compile() 这个函数，它在Python中创建了一个正则表达式对象。你忘记去匹配了。

你可以试试：

# This isn't the best way to match IP's, but if it fits for your use-case keep it for now.
pattern = re.compile("^10.180\.4[13].\d\d")

f = open("SymantecServers.txt",'r')
o = open("JustIP.txt",'w')

for line in f:
     m = pattern.match(line)

     if m is not None:
          print "Match: %s" %(m.group(0))
          o.write(m.group(0) + "\n")

f.close()
o.close()

这个代码是在编译Python对象，尝试把这一行和编译好的对象进行匹配，然后打印出当前的匹配结果。我可以避免拆分我的匹配结果，但我需要注意匹配的组，所以要用到 group(0)。

你也可以看看 re.search()，这也是可以用的。不过如果你用同一个正则表达式运行 search 很多次，使用 compile 会更划算。

另外，我把 f.close() 移到了 for 循环的外面。

Answer 2

这里是它工作的样子：

>>> s = """10.10.10.10
... 9.9.9.9
... 5.5.5.5
... 10.180.43.99
... 6.10.10.10"""
>>> re.findall(r'10\.180\.4[31]\.\d\d', s)
['10.180.43.99']

• 其实你不需要添加行边界，因为你要匹配的是一个非常特定的IP地址。如果你的文件里没有像'123.23.234.10.180.43.99.21354'这样奇怪的东西，那就没问题！
• 你的[3,1]这个写法是匹配3、1或者,，但你不想匹配到逗号；-)

关于你的函数：

r = re.compile(r'10\.180\.4[31]\.\d\d')
with open("SymantecServers.txt","r") as f:
    with open("JustIP.txt",'w', newline="\r\n") as o:
        for line in f:
            matches = r.findall(line)
            for match in matches:
                o.write(match)

不过如果我是你，我会用下面的方法提取IP：

r = re.compile(r'\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}')
with open("SymantecServers.txt","r") as f:
    with open("JustIP.txt",'w', newline="\r\n") as o:
        for line in f:
            matches = r.findall(line)
            for match in matches:
                a, b, c, d = match.split('.')
                if int(a) < 255 and int(b) < 255 and int(c) in (43, 41) and int(d) < 100:
                    o.write(match)

或者还有另一种方法：

r = re.compile(r'(\d{1,3})\.(\d{1,3})\.(\d{1,3})\.(\d{1,3})')
with open("SymantecServers.txt","r") as f:
    with open("JustIP.txt",'w', newline="\r\n") as o:
        for line in f:
            m = r.match(line)
            if m:
                a, b, c, d = m.groups()
                if int(a) < 255 and int(b) < 255 and int(c) in (43, 41) and int(d) < 100:
                    o.write(match)

这个方法使用正则表达式将IP地址分成几个部分。