提问人：Pubg Mobile 提问时间：11/12/2023 最后编辑：Pubg Mobile 更新时间：11/12/2023 访问量：64
在第一个正则表达式行匹配中保留第二个正则表达式行
Keep second regex lines in first regex lines matches
问：
我的目录中有大量的txt列表文件，以下是我的一个文件的示例：E:\Desktop\Linux_distro\asliiiii
95
ROSA
139
96
Chakra
137
97
AV Linux
135
98
LibreELEC
134
99
Simplicity
131
100
Kodachi
130
20200301020449
79776361952441
现在我需要一个脚本，该脚本首先找到正则表达式行，然后在找到的行中仅保留正则表达式行。
这意味着必须向我提供以下结果：\d{14}20(?:0[0-9]|1[0-9]|20)[0-1][0-9]
95
ROSA
139
96
Chakra
137
97
AV Linux
135
98
LibreELEC
134
99
Simplicity
131
100
Kodachi
130
20200301020449
我写了以下python脚本，但我不知道为什么它不适合我的列表！
import os
import re
def process_file(file_path):
with open(file_path, 'r') as file:
lines = file.readlines()
# Find lines matching \d{14}
regex_pattern_1 = re.compile(r'\d{14}')
matching_lines = [line.strip() for line in lines if regex_pattern_1.search(line)]
# Keep only matches of the second regex in the found lines
regex_pattern_2 = re.compile(r'20(?:0[0-9]|1[0-9]|20)[0-1][0-9]\d{8}')
filtered_lines = []
for line in matching_lines:
matches = regex_pattern_2.findall(line)
filtered_lines.extend(matches)
# Write the filtered lines back to the file
with open(file_path, 'w') as file:
file.write('\n'.join(filtered_lines))
def process_files_in_directory(directory_path):
for filename in os.listdir(directory_path):
if filename.endswith('.txt'):
file_path = os.path.join(directory_path, filename)
process_file(file_path)
if __name__ == "__main__":
directory_path = r'E:\Desktop\Linux_distro\asliiiii'
process_files_in_directory(directory_path)
print("Processing complete.")
但是这个脚本为我提供了以下结果！
20200301020449
这个脚本问题在哪里？
答：
0赞
Reilas
11/12/2023
#1
请尝试以下操作。
matches = regex_pattern_2.findall(line[:6])
或者，调整模式以合并剩余的 8 个字符。
20(?:0[0-9]|1[0-9]|20)[0-1][0-9]\d{8}
评论
0赞
Pubg Mobile
11/12/2023
TNQ 但我的脚本只保留20200301020449行并删除此帖子示例中的所有其他行，我不知道脚本问题在哪里！
0赞
Tim Roberts
11/12/2023
#2
这就是我的意思。太多人使用正则表达式来解决实际上并不需要它们的问题。
def process_file(fn):
fin = open(fn)
fout = open(fn+'.out','w')
for line in fin:
line = line.strip()
print(line, file=fout)
if len(line) == 14 and line.isdigit():
break
for line in fin:
line = line.strip()
if len(line) == 14 and line.isdigit() and line.startswith('20'):
print(line, file=out)
process_file('x.txt')
现在，我做了一个假设，检查“以'20'开头的 14 位数字”足以找到您的时间戳，但如果您真的需要查找有效日期，您可以在此处使用正则表达式。
请注意，我复制到具有特殊名称的新文件中。如果你愿意，你可以做一个和最后。deleterename
评论
0赞
Pubg Mobile
11/12/2023
tnq 先生，我编辑了帖子并告诉问题是什么。请再次阅读我的帖子末尾。
0赞
Tim Roberts
11/12/2023
看看你的第一个循环，产生.该循环将仅包含与您的第一个模式匹配的行，有 14 位数字。然后，循环遍历这些行。你永远不会得到其他任何东西。你的方法是错误的。matching_lines
0赞
Pubg Mobile
11/12/2023
#3
以下脚本对我有好处：
import os
import re
def process_file(file_path):
with open(file_path, 'r') as file:
lines = file.readlines()
# Keep lines that match the second regex or do not match any regex
regex_pattern_2 = re.compile(r'20(?:0[0-9]|1[0-9]|20)[0-1][0-9]\d{8}')
filtered_lines = [line.strip() for line in lines if regex_pattern_2.search(line) or not re.search(r'\d{14}', line)]
# Write the filtered lines back to the file
with open(file_path, 'w') as file:
file.write('\n'.join(filtered_lines))
def process_files_in_directory(directory_path):
for filename in os.listdir(directory_path):
if filename.endswith('.txt'):
file_path = os.path.join(directory_path, filename)
process_file(file_path)
if __name__ == "__main__":
directory_path = r'E:\Desktop\Linux_distro\asliiiii'
process_files_in_directory(directory_path)
print("Processing complete.")
上一个：正则表达式和 unicode
下一个：没有编写正确的正则表达式集
评论