Python正则表达式在EDI文档上

Question

早上好，我有个问题要问了。 我试着用脚本截取一些客户发给我们的文件。 所以我要生成一个xlsx文件，里面有一些时间表。你知道吗

这是文档的外观：

    E2EDP10001                    300                5     0     02 4M0 035 503 
K  C5M                ANTENNE                               24                         L06S2            CKL           17105098                           16.0                          20170516                                                32.0                                                                          2                    03                                                                                                                     000006                                                  
E2EDP16001                    300                6     5     033D20170609    20170609  24                                                                                                                          
E2EDP16001                    300                7     5     033D20170630    20170630  0                                                                                                                           
E2EDP16001                    300                8     5     033D20170728    20170728  8                                                                                                                           
E2EDP16001                    300                9     5     033I20170731    20170806  8                                                                                                                           
E2EDP16001                    300                10    5     033I20170828    20170903  8                                                                                                                           
E2EDP16001                    300                11    5     033I20170918    20170924  8                                                                                                                           
E2EDP16001                    300                12    5     033I20171016    20171022  8                                                                                                                           
E2EDP16001                    300                13    5     033I20171023    20171029  0                                                                                                                           
E2EDP16001                    300                14    5     033I20171030    20171105  1   

这就是我写的：

import os
import sys
import re
abs_path = os.path.dirname(sys.argv[0])

#delfor_folder
delfor_path = abs_path+r"/DELFOR"
delfor_archive_path = delfor_path+"/Archive"
#deljit_folder
deljit_path = abs_path+r"/DELJIT"
deljit_archive_path = deljit_path+"/Archive"
#delins_folder
delins_path = abs_path+r"/DELINS"
delins_archive_path = delins_path+"/Archive"
counter = 0
#ciclo i delfor
for file in os.listdir(delfor_archive_path):
    if os.path.isdir(file):
        continue
    elif file.__contains__(".txt"):
        data = []
        #partner = 'unknown'

        with open(delfor_archive_path+"/"+file) as f_input:
            for row in f_input:
                try:
                    data_row = re.match(r'(\d+) +(\d+) +(\d+) +(\d{8}) +(\d{8})', row)
                    continue
                except:
                    data_row = re.match(r'(\d{3})+I(\d+) +(\d{8}) +(\d+)',row)

                cliente_row = re.match(r'EDKA1003 +(\d+) +(\d+) +(\w+) +(\w+)', row)
                materiale_row = re.match(r'EDP10001 +(\d) +(\d+) +(\w+)', row) #TODO togliere i primi due caratteri dell'ultimo gruppo

                print(cliente_row)

                '''
                if data_row:
                    if data_row.groups()[0]:
                        data.append([partner] + list(data_row.groups()[:-1]))
                    else:
                        partner = data_row.groups()[-1]
                '''

因此，我对try exept有一些疑问，如果可能的话，我还需要一些建议，让代码更好地工作。 我需要做的工作是。 制作一个包含以下内容的表：

E2EDP10001                    300                5     0     **02 4M0 035 503**

02的<；<；**>；例外之间的代码

E2EDP16001                    300                6     5     033D20170609    20170609  24

两个日期格式的aaaammdd和带有4个字符的第一组（在本例中033D）

以及最后的数量（在本例中为24）

我只需要你的建议就行了。 如果我不执行任何语句和/或条件，我的代码就会工作。我是说，如果我打印一张重新匹配每行。。。你知道吗

任何建议都会有帮助。 谢谢

Answer 1

我不太明白你想做什么。看起来你有一些不同列数的混合表格记录。所以我将使用split函数row并获取列列表。您可以只对列使用regex，也可以根据需要对列的字符串数据进行除法。你知道吗

这是我的代码-仅部分：

data = list()
with open('data.txt') as f_input:
    for row in f_input:
        cols = row.split()
        if len(cols) == 8:
            data.append(cols[:4] + ['**' + ' '.join(cols[4:8]) + '**'])
        elif len(cols) == 7:
            data.append(cols)

print str(data).replace('],', '],\n')

程序输出：

[['E2EDP10001', '300', '5', '0', '**02 4M0 035 503**'],
 ['E2EDP16001', '300', '6', '5', '033D20170609', '20170609', '24'],
 ['E2EDP16001', '300', '7', '5', '033D20170630', '20170630', '0'],
 ['E2EDP16001', '300', '8', '5', '033D20170728', '20170728', '8'],
 ['E2EDP16001', '300', '9', '5', '033I20170731', '20170806', '8'],
 ['E2EDP16001', '300', '10', '5', '033I20170828', '20170903', '8'],
 ['E2EDP16001', '300', '11', '5', '033I20170918', '20170924', '8'],
 ['E2EDP16001', '300', '12', '5', '033I20171016', '20171022', '8'],
 ['E2EDP16001', '300', '13', '5', '033I20171023', '20171029', '0'],
 ['E2EDP16001', '300', '14', '5', '033I20171030', '20171105', '1']]

如果与字符串不匹配，re.match不会抛出异常，只返回none。所以，我觉得用try ... except块没有意义。你知道吗

如果你问如何改进你的代码。我不喜欢，你用这个：

file.__contains__(".txt")我将替换为：file.endswith(".txt")

我每次都尝试用os.path.join(dir1, dir2, ...)连接路径

另一件事是，如果需要用regex解析大量数据，最好使用编译后的正则表达式。你知道吗

例如：

在您定义的脚本开始时

DATA_ROW_RE = re.compile(r'(\d{3})+I(\d+) +(\d{8}) +(\d+)')

稍后在脚本中，您将只使用：

data_row = DATA_ROW_RE.match(row)