无法从 XML 文件返回所需的字符串答案

【问题标题】：Unable to return required strings from XML files无法从 XML 文件返回所需的字符串
【发布时间】：2023-02-01 22:35:41
【问题描述】：

我创建了这段代码，让用户指向一个目录，并通过该目录查找 .xml 文件。一旦找到，程序应该搜索每个文件以查找长度为 32 位的字符串。这是唯一的要求，此时内容并不重要，只要它返回 32 位字符串即可。

当运行程序迭代可用文件时，我尝试使用 Python 中的 regex 模块，如下所示。返回所有文件名，但 String_recovery 函数仅返回空列表。我已经确认 xml 在视觉上包含 32 位字符串。

import os
import re
import tkinter as tk
from tkinter import filedialog



def string_recovery(data):
    short_string = re.compile(r"^[a-zA-Z0-9\-._]{32}$")
    strings = re.findall(short_string, data)
    print(strings)


def xml_search(directory):
    xml_files = []
    for root, dirs, files in os.walk(directory):
        for file in files:
            if file.endswith(".xml"):
                xml_files.append(os.path.join(root, file))
    print("The following XML files have been found.")
    print(xml_files)

    for xml_file in xml_files:
        with open(xml_file, "r") as f:
            string_recovery(f.read())


def key_finder():
    directory = filedialog.askdirectory()
    xml_search(directory)


key_finder()

【问题讨论】：

您的“32 位字符串”是什么样的？您的 XML 文件是什么样的？
欢迎来到堆栈溢出。我无法理解这个问题，因为字符串的长度没有测量位。此外，该函数根本没有return（请阅读What is the purpose of the return statement? How is it different from printing?），并且唯一涉及的列表是xml_files。
m 标志是默认标志吗？我不认为在这种情况下 ^ 和 $ 是文件的开头和结尾而不是一行。也许尝试将 m 标志添加到您的parrern。

标签： python python-3.x

【解决方案1】：

也许你应该检查每一行：

    for xml_file in xml_files:
        with open(xml_file, "r") as f:
            string_recovery(f.read())

如果您的string_recovery 工作正常（用一行尝试，我无法重现您的示例，但创建一个变量line = 并在其中放一行应该恢复的行。

遍历每一行而不是整个文件：

    for xml_file in xml_files:
        with open(xml_file, "r") as f:
            for line in f.readliens():
                string_recovery(line)

【讨论】：

【解决方案2】：

默认情况下，python 模式不是“多行”的，因此 ^ 和 $ 匹配文本块的开始和结束，而不是每一行。您需要设置此标志：

相比：

import re

text = """
12345678901234567890123456789011
12345678901234567890123456789011
"""
pattern = r"^[a-zA-Z0-9-._]{32}$"
print(re.findall(pattern, text, re.M))

给予：

[
    '12345678901234567890123456789011',
    '12345678901234567890123456789011'
]

和：

import re

text = """
12345678901234567890123456789011
12345678901234567890123456789011
"""
pattern = r"^[a-zA-Z0-9-._]{32}$"
print(re.findall(pattern, text))

给予：

[]

【讨论】：