Python：匹配之间的连续行类似于awk

Question

给定：

• 多行字符串string（已从文件file读取）
• 两个模式pattern1 和pattern2 将匹配每个string 中恰好一行的子字符串。这些线将被称为 line1 和 line2。

这些模式是正则表达式模式，但如果这样更容易，我可以更改它们的格式。

已搜索

我正在寻找一种方法来获取 python 中 line1 和 line2 之间的所有行（我们可以安全地假设 line1 在 line2 之前）。

当然，这可以在带有pattern1 设置的标志和pattern2 匹配时中断的for 循环中完成。不过，我正在这里寻找更compact 的解决方案。这是awk中的一个微不足道的oneliner：

awk '/pattern1/,/pattern2/' file

示例：

文件：

aaa aa a
bbb bb b
ccc cc c
ddd dd d
eee ee e
fff ff f

模式1：b bb

模式2：d dd

期望的结果：

bbb bb b
ccc cc c
ddd dd d

Answer 1

在awk 中，/start/, /end/ 范围正则表达式打印找到/start/ 的整行，包括找到/end/ 模式的整行。它是一个有用的构造，已被 Perl、sed、Ruby 和其他人复制。

要在 Python 中执行范围运算符，请编写一个类来跟踪上一次调用 start 运算符直到 end 运算符的状态。我们可以使用正则表达式（如awk 所做的那样），或者可以将其修改为任何返回True 或False 状态的数据行。

鉴于您的示例文件，您可以这样做：

import re

class FlipFlop: 
    ''' Class to imitate the bahavior of /start/, /end/ flip flop in awk '''
    def __init__(self, start_pattern, end_pattern):
        self.patterns = start_pattern, end_pattern
        self.state = False
    def __call__(self, st):
        ms=[e.search(st) for e in self.patterns]
        if all(m for m in ms):
            self.state = False
            return True
        rtr=True if self.state else False
        if ms[self.state]:
            self.state = not self.state
        return self.state or rtr

with open('/tmp/file') as f:
    ff=FlipFlop(re.compile('b bb'), re.compile('d dd'))
    print ''.join(line if ff(line) else "" for line in f)

打印：

bbb bb b
ccc cc c
ddd dd d

这保留了逐行读取的文件，具有在其他语言中看到的/start/,/end/ 正则表达式的灵活性。当然，你可以对多行​​字符串做同样的方法（假设命名为s）：

''.join(line+"\n" if ff(line) else "" for line in s.splitlines())

习惯上，在 awk 中，您可以使用标志获得与触发器相同的结果：

$ awk '/b bb/{flag=1} flag{print $0} /d dd/{flag=0}' file

你也可以在 Python 中复制它（用更多的词）：

flag=False    
with open('file') as f:
    for line in f:
        if re.search(r'b bb', line):
            flag=True
        if flag:
            print(line.rstrip())
        if re.search(r'd dd', line):
            flag=False  

也可以与内存字符串一起使用。

或者，您可以使用多行正则表达式：

with open('/tmp/file') as f:
    print ''.join(re.findall(r'^.*b bb[\s\S]*d dd.*$', f.read(), re.M))

Demo and explanation

但这需要将整个文件读入内存。由于您声明字符串 已 已读入内存，因此在这种情况下这可能是最简单的：

''.join(re.findall(r'^.*b bb[\s\S]*d dd.*$', s, re.M))

Answer 2

使用 re.DOTALL 匹配任何内容，包括换行符。然后插入开始模式和结束模式：

re.search( '[\w ]*b bb.*?d dd[ \w]*', string, re.DOTALL).group(0)

注意：(1) string 这里是您要搜索的文件或字符串。 (2) 您需要import re。如果你真的想要简洁，也许会出错，你可以结合读取文件和提取模式：

re.search( '[\w ]*b bb.*?d dd[ \w]*', open('file').read(), re.DOTALL).group(0) 

Answer 3

使用regex：

>>> print(a)

aaa aa a
bbb bb b
ccc cc c
ddd dd d
eee ee e
fff ff f

预期结果：

>>> print(re.search('^.*bb b$\n((:?.+\n)+)^.*dd d$',a, re.M).group())
bbb bb b
ccc cc c
ddd dd d

或者只是附上的文字：

>>> print(re.search('^.*bb b$\n((:?.+\n)+)^.*dd d$',a, re.M).group(1))
ccc cc c