如何从重复的多行文件中获取模式

Question

我尝试从文本文件制作数据框。我正在使用我在 Internet 上找到的代码，但我没有卡住，我不知道如何继续前进。

PokerStars 手牌 #135139509095：德州扑克无限注 ($0.25/$0.50 USD) - 2015/05/13 2:26:41 ET

表“Castafiore II”最多 6 人座位 #2 是按钮

座位 1：Mastiksou855（筹码 50 美元）

座位 2：tiagosydney（筹码 67.98 美元）

座位 3：parisvii1986（筹码 49.94 美元）

座位 4：Johnii141（筹码 50 美元）

座位 5：DavidRandis（筹码 36.59 美元）

6 号座位：malabar357（筹码 50 美元）

* 底牌 *

DavidRandis：跟注 $0.50

malabar357：折叠

Mastiksou855：折叠

tiagosydney：筹集 1 美元至 1.50 美元

parisvii1986：折叠

Johnii141：折叠

DavidRandis：跟注 $1

* FLOP * [Jd 9c Tc]

* TURN * [Jd 9c Tc] [4s]

* 总结 *

总底池 $3.75 |抽水 $0.17

板子 [Jd 9c Tc 4s]

第 5 位：DavidRandis 被收取（3.58 美元）

PokerStars 手牌 #135139512060：德州扑克无限注 ($0.25/$0.50 USD) - 2015/05/13 2:26:52 ET

表“Artek II”最多 6 人座位 #5 是按钮

座位 1：Johnii141（筹码 50 美元）

座位 2：MASSOS17（筹码 40 美元）

座位 4：jayceee16（筹码 53.21 美元）

座位 5：Mastiksou855（筹码 50 美元）

6 号座位：malabar357（筹码 50 美元）

malabar357：发布小盲注 $0.25

* 底牌 *

* 总结 *

总底池 $2.75 |抽水 $0.12

板 [7h Td Jc]

座位 1：Johnii141（大盲注）在翻牌前弃牌

座位 2：收集到 MASSOS17 ($2.63)

座位 4：jayceee16 在翻牌上折叠

Seat 5：Mastiksou855（按钮）在翻牌前弃牌（没有下注）

座位 6：malabar357（小盲注）在翻牌前弃牌

这不是满手牌。只需在此处粘贴 2 手牌作为示例，向您展示它的外观。 完整的五手牌示例在此处上传：https://ufile.io/y573n

def parse_file(line):
    tab1 = []
    with open(filepath,'r') as file:
        line = file.readline()
        while line:
            reg_match = _reglib(line)

            if reg_match.soft:
                soft = reg_match.soft.group()

            if reg_match.hand_id:
                hand_id = reg_match.hand_id.group(1)

            if reg_match.game_type:
                game_type = reg_match.game_type.group()

            if reg_match.sb:
                sb = reg_match.sb.group(1)

            if reg_match.bb:
                bb = reg_match.bb.group(1)

            if reg_match.date:
                date = reg_match.date.group(1)
                hour = reg_match.date.group(2)
                date_type = reg_match.date.group(3)
            line = file.readline()    
            if reg_match.table:
                table = reg_match.table.group(1)

            if reg_match.rake:
                rake = reg_match.rake.group(1)

            dict_of_data ={
                    'Soft' :soft,
                    'Hand_ID': hand_id,
                    'Game_type':game_type,
                    'SB':sb,
                    'BB':bb,
                    'Date':date,
                    'Hour':hour,
                    'Date_type':date_type,
                    'Table':table,
                    'Rake':rake
                    }
            tab1.append(dict_of_data)
            line = file.readline()        

    tab1 = pd.DataFrame(tab1)
    tab1.set_index(['Soft', 'Hand_ID', 'Game_type'], inplace=True)
    tab1 = tab1.groupby(level=tab1.index.names).first()


    return tab1


class _reglib:

    pat_soft = re.compile('Poker\w+')
    pat_hand_id = re.compile(r'#(\d+):')
    pat_game_type = re.compile('Hold\'em\s\w+\s\w+')
    pat_sb = re.compile('\$(\d+\.?\d+)/')
    pat_bb = re.compile('/\$(\d+\.?\d+)\s\w+')
    pat_date = re.compile('(\d+/\d+/\d+)\s(\d+:\d+:\d+)\s(C?ET)')
    pat_table = re.compile('Table\s\'(\w+...)\'')
    pat_seat = re.compile('(Seat\s\d):\s(\w+)\s\(\$')
    pat_rake = re.compile('Rake\s\$(...)')

    def __init__(self, line):
        # check whether line has a positive match with all of the regular expressions
        self.soft = self.pat_soft.search(line)
        self.hand_id = self.pat_hand_id.search(line)
        self.game_type = self.pat_game_type.search(line)
        self.sb = self.pat_sb.search(line)
        self.bb = self.pat_bb.search(line)
        self.date = self.pat_date.search(line)
        self.table = self.pat_table.search(line)
        self.seat = self.pat_seat.search(line)
        self.rake = self.pat_rake.search(line)


if __name__ == '__main__':
    filepath = 'test.txt'
    tab1 = parse_file(filepath)
    print(tab1)

所以当我在第二行搜索模式时问题就开始了，依此类推。 这是表信息（第二行）和 rake 信息（最后一行）。

我不知道如何遍历所有行。

如果我得到值，如果模式不匹配，则将其保存到数据框中保存无。 对于每个扑克手，我都希望数据框中有这样的一行：http://prntscr.com/mk2y4t

Answer 1

您需要将regex 与pandas 一起使用：

import re
import pandas as pd

data_pd = {'TypeOfRoom': [], 'HandId': [], 'TypeOfGame': [], 'SB': [], 'BB': [], 'Date': [], 'Hour': [], 'TimeZoneAbb': [], 'NoOfPlayers': [], 'Rake': []}
with open('file.txt', 'r') as f:
    data = f.read()
result = re.findall('(\w+) Hand #(\d+): (.*) \(.(\d+\.\d+)\/.(\d+\.\d+).*(\d\d\d\d\/\d\d\/\d\d).*(\d+:\d+:\d+) (\w+)', data)
rakes = re.findall('Rake \$(.*)', data)

s = re.findall('Seat (\d).*chips', data)
s = [int(x) for x in s]
seats = []
length = 1
for i in range(len(s)-1):
    if s[i+1] < s[i]:
        seats.append(length)
        length = 1
    else:
        length += 1
seats.append(length)

for r, rake, seat in zip(result, rakes, seats):
    data_pd['TypeOfRoom'].append(r[0])
    data_pd['HandId'].append(r[1])
    data_pd['TypeOfGame'].append(r[2])
    data_pd['SB'].append(r[3])
    data_pd['BB'].append(r[4])
    data_pd['Date'].append(r[5])
    data_pd['Hour'].append(r[6])
    data_pd['TimeZoneAbb'].append(r[7])
    data_pd['NoOfPlayers'].append(seat)
    data_pd['Rake'].append(rake)

df = pd.DataFrame(data_pd)

你会得到：