如何在文本fi中提取与正则表达式匹配的行号

Question

我正在做一个关于统计机器翻译的项目，在这个项目中，我需要从一个POS标记的文本文件中提取与正则表达式匹配的行号（任何带有“out”粒子的非分隔短语动词），并将行号写入一个文件（在python中）。

我有一个正则表达式：'\w*\u VB。？\sout_RP'和我的POS标记的文本文件：“Corpus.txt”。 我想得到一个与上述正则表达式匹配的行号的输出文件，并且输出文件每行应该只有一个行号（没有空行），例如：

2个

5个

44个

到目前为止，我的剧本中只有以下内容：

OutputLineNumbers = open('OutputLineNumbers', 'w')
with open('Corpus.txt', 'r') as textfile:
    phrase='\w*_VB.?\sout_RP'
    for phrase in textfile: 

OutputLineNumbers.close()

你知道怎么解决这个问题吗？

提前，谢谢你的帮助！

Answer 1

如果正则表达式对grep友好，那么可以直接使用bash。使用“-n”显示行号

例如：

grep -n  "[1-9][0-9]" tags.txt

将输出第一个包含行号的匹配行

2569:vote2012
2570:30
2574:118
2576:7248
2578:2293
2580:9594
2582:577

Answer 2

这应该可以解决您的问题，假设您在变量“phrase”中有正确的regex

import re

# compile regex
regex = re.compile('[0-9]+')

# open the files
with open('Corpus.txt','r') as inputFile:
    with open('OutputLineNumbers', 'w') as outputLineNumbers:
        # loop through each line in corpus
        for line_i, line in enumerate(inputFile, 1):
            # check if we have a regex match
            if regex.search( line ):
                # if so, write it the output file
                outputLineNumbers.write( "%d\n" % line_i )