提问人：Clairlyagenius 提问时间：4/19/2023 更新时间：4/19/2023 访问量：80
如何使用正则表达式在文件中搜索一个或多个字符串，并分别计算每个字符串的数量？
How to search for one or more strings in a file using regex, and count the number of each string separately?
问：
因此，我试图在文件的每一行中找到一个或多个字符串，并计算每个字符串在文件中出现的次数。在某些行中只有一个字符串，但在其他行中，如果这有意义，可能会有多个目标字符串。我正在尝试使用正则表达式来执行此操作。
所以我尝试的如下（已经读取了文件并使用 .readlines 将其分隔成行）：
1count=0
2count=0
3count=0
Pattern=r'(?i)(\bString1\b)|(\bString2\b)|(\bString3\b)'
i=0
while i!=len(lines)
match=re.search(pattern, lines[i])
if match:
if match.group(1):
1count=1count+1
elif match.group(2):
2count=2count+1
elif match.group(3):
3count=3count+1
i=i+1
当行中没有多个匹配项时，这有效，但是当有匹配项时，它显然只计算第一个匹配项，然后继续前进。有没有办法让我扫描整条线？我知道 re.findall 会找到所有匹配项，但它会将它们放入一个数组中，我不知道如何可靠地计算每个单词的匹配项数，因为 findall 中的匹配项在数组中具有不同的索引每次循环。
答：
1赞
TanjiroLL
4/19/2023
#1
您可以在最后使用和计算出现次数。
例如：findall
import re
count1=0
count2=0
count3=0
data = "String1 String2 String2 String3\nString1 String1\nString3"
Pattern=r'(?i)(\bString1\b)|(\bString2\b)|(\bString3\b)'
lines = data.split('\n')
all_matches = []
i = 0
while i!=len(lines):
match=re.findall(Pattern, lines[i])
all_matches.extend(match)
i += 1
count1 = len([el for el in all_matches if el[0] == 'String1'])
count2 = len([el for el in all_matches if el[1] == 'String2'])
count3 = len([el for el in all_matches if el[2] == 'String3'])
print(count1, count2, count3)
注意：将返回元组列表，其中元组的第一项对应于第一组，依此类推。findall
all_matches将是元组列表，如果没有匹配的元组，则每个元组的形状如下：(matched item for string1, matched item for string2, matched item for string3)''
[('String1', '', ''), ('', 'String2', ''), ('', 'String2', ''), ...]
例如，在计算时，我们正在创建一个与 String1 匹配的元素列表（这里我们看到的条件，元组的第一个元素等于 'String1'），如下所示：count1
first_group = [el for el in all_matches if el[0] == 'String1']
然后我们将其长度返回为这些元素的 count1length 值：
count1 = len(first_group)
评论
0赞
Clairlyagenius
4/19/2023
你能用 count=len（[el for el in all_matches if el[0] == 'String1']） 再解释一下最后发生了什么吗？我几乎可以理解它，但我还是编程新手，所以它仍然有点混乱！
0赞
TanjiroLL
4/19/2023
我更新了我的答案，希望现在很清楚。
1赞
tripleee
4/19/2023
#2
在示例中，匹配项都是静态字符串，因此您可以将它们用作 Counter 对象的字典键。
import re
from collections import Counter
count = Counter()
for line in lines:
for match in re.finditer(Pattern, line):
count.update(match.group(0))
for k in count.keys():
print(f"{c[k]} occurrences of {k}")
这里的部分有用的更改是使用 instead of which 返回一个适当的对象，如果您愿意，您可以从中提取匹配的字符串以及各种其他属性。re.finditer()re.findallre.Match.group(0)
如果你需要提取可能包含变体的匹配项，比如 或 ，你不能将匹配的字符串用作字典键（因为这样会将每个唯一的字符串视为一个单独的实体;所以你会得到“12 次出现 123”和“1 次出现 234”而不是“13 次出现”）;在这种情况下，我可能会尝试使用命名子组。r"c[ei]*ling"r"\d+"Counter\d+
for match in re.finditer(r"(?P<ceiling>c[ei]*ling)|(?P<number>\d+)", line):
matches = match.groupdict()
for key in matches.keys():
if matches[key] is not None:
count.update(key)
评论
0赞
Clairlyagenius
4/19/2023
当我尝试实现它时，我让它大部分工作，但它显示“无的 x 次”。我不确定这是从哪里来的，你知道吗？您能否解释一下“f”在最后一个打印命令中的作用？我可以看到这是必要的，但我以前在课堂上没有遇到过！
0赞
tripleee
4/19/2023
F 字符串是在字符串中嵌入变量的便捷方法。例如，参见 docs.python.org/3/tutorial/...
0赞
tripleee
4/19/2023
没有看到你的，很难具体回答，但我想你有一个不匹配的正则表达式。lines
1赞
Clairlyagenius
4/19/2023
我已经得到了第一个在我的编码中工作的例子，谢谢！我想这实际上是两者的结合！我更改为 ，它适用于更新每个匹配项的计数，然后刚刚添加了用于打印结果的 for 循环！count.update(match.group(0))count.update(match.groups())if k is not None:
1赞
Armali
4/19/2023
#3
只是另一个变体正在使用及其方法。由于没有必要将数据分成几行，让我们假设它全部在：numpycount_nonzerodata
import numpy as np
# count non-empty strings along axis 0 (the matches for each word)
count = np.count_nonzero(np.array(re.findall(Pattern, data)), 0)
评论