如何在.gz文件中搜索字符串？

Question

我不熟悉编写脚本并尝试读取.gz文件，如果文件中包含“唉！”的话，则复制这些行myfiles/all*/input.gz。在上面提到的路径中，它应该搜索以（all）开头的所有目录。对于input.gz文件。在input.gz文件中，它应该搜索字符串“Alas！”并在文本文件中打印这些行。我知道如何使用zgrep命令在linux上实现这一点 zgrep 'Alas!' myfiles/all*/input.gz > file1.txt。我在写剧本的时候迷失了方向

Answer 1

.gz文件已压缩，因此无法通过直接打开它来搜索内容。您需要在搜索之前解压缩它。Python提供了gzip.open来打开和解压缩gzip压缩文件

import gzip

files = glob.glob('myfiles/all*/input.gz')
for file in files:
    with gzip.open(file, 'rt') as f, open('file1.txt', 'w') as o:
        for line in f:
            if 'Alas!' in line: # Changed this
                print(line, file=o)

您还需要将if 'Alas!'更改为if 'Alas!' in line。前者的计算结果总是True，因此每一行都将添加到另一个文件中。后者仅当在行中找到Alas!时才会向另一个文件添加一行

值得一提的是，zgrep以类似的方式工作。它解压文件，然后将其传输到grep（请参见https://stackoverflow.com/a/45175234/5666087）

Answer 2

声明

    if 'Alas!':

仅检查字符串值'Alas!'是否为“truthy”（根据定义，它是）；要检查变量line是否包含此子字符串

    if 'Alas!' in line:

另一个问题是，您多次打开输出文件，覆盖了以前输入文件的任何结果。您只想在开始时打开它一次（或打开以进行追加；但重复打开和关闭同一文件是不必要的，而且效率低下）

更好的设计可能是简单地打印到标准输出，并允许用户将输出重定向到文件（如果他们愿意）。（另外，可能接受输入文件作为命令行参数，而不是硬编码复杂的相对路径。）

第三个问题是，输入行已经包含一个换行符，但是print()将添加另一个换行符。在打印前去掉换行符，或者告诉print不要提供另一个换行符（或者切换到不添加换行符的write）

import gzip
import glob

with open('file1.txt', 'w') as o:
    for file in glob.glob('myfiles/all*/input.gz'):
        with gzip.open(file, 'rt') as f:
            for line in f:
                if 'Alas!' in line:
                    print(line, file=o, end='')

演示：https://ideone.com/rTXBSS