【问题标题】：Parsing text with Python 2.7使用 Python 2.7 解析文本
【发布时间】：2015-09-01 08:06:03
【问题描述】：

文本文件

• I.D.: AN000015544 
DESCRIPTION: 6 1/2 DIGIT DIGITAL MULTIMETER 
MANUFACTURER: HEWLETT-PACKARDMODEL NUM.: 34401A CALIBRATION - DUE DATE:6/1/2016 SERIAL NUMBER: MY45027398 
• I.D.: AN000016955 
DESCRIPTION: TEMPERATURE CALIBRATOR 
MANUFACTURER: FLUKE MODEL NUM.: 724 CALIBRATION - DUE DATE:6/1/2016 SERIAL NUMBER: 1189063 
• I.D.: AN000017259 
DESCRIPTION: TRUE RMS MULTIMETER 
MANUFACTURER: AGILENT MODEL NUM.: U1253A CALIBRATION - DUE DATE:6/1/2016 SERIAL NUMBER: MY49420076 
• I.D.: AN000032766                         
DESCRIPTION: TRUE RMS MULTIMETER                            
MANUFACTURER: AGILENT MODEL NUM.: U1253B CALIBRATION    -   DUE DATE:6/1/2016   SERIAL  NUMBER: MY5048  9036

目标

寻求一种更有效的算法来解析制造商名称和编号。即'HEWLETT-PACKARDMODEL NUM.: 34401A', 'AGILENT MODEL NUM.: U1253B'...等。从上面的文本文件。

数据结构

parts_data = {'Model_Number': []}

代码

with open("textfile", 'r') as parts_info:
    linearray = parts_info.readlines(
    for line in linearray:
        model_number = ''
        model_name = ''
        if "MANUFACTURER:" in line:
            model_name = line.split(':')[1]
        if "NUM.:" in line:
            model_number = line.split(':')[2]
            model_number = model_number.split()[0]
            model_number = model_name + ' ' + model_number
            parts_data['Model_Number'].append(model_number.rstrip())

我的代码完全符合我的要求，但我认为有一种更快或更简洁的方式来完成操作。让我们提高效率！

【问题讨论】：

标签： python string python-2.7 split string-formatting

【解决方案1】：

您的代码看起来已经很好了，除非您解析超过 GB 的数据，否则我不知道这是什么意思。我想到了一些事情。

如果您删除 linearray = parts_info.readlines( 行，Python 会理解只使用带有打开文件的 for 循环，这样如果您的文件很大，这会使整个事情流式传输。目前，该行代码会尝试一次将整个文件读入内存，而不是逐行读取，因此如果文件大于内存，则会导致计算机崩溃。

您还可以组合 if 语句并执行 1 条件，因为您似乎只关心拥有这两个字段。为了更简洁的代码，你也不需要model_number = ''; model_name = ''

保存line.split(':') 之类的结果会有所帮助。

或者，您可以尝试使用正则表达式。如果不对两者都进行测试，就不可能知道哪个会更好，这让我回到了我一开始所说的：优化代码很棘手，如果没有必要，真的不应该这样做。如果你真的非常关心效率，你会使用像 awk 这样的用 C 编写的程序。

【讨论】：

【解决方案2】：

一种直接的方法是使用正则表达式：

with open("textfile", 'r') as parts_info:
     for line in parts_info:
          m=re.search(r'[A-Z ]+ NUM\.: [A-Z\d]+',line)
          if m:
                print m.group(0)

结果：

'PACKARDMODEL NUM.: 34401A', 
' FLUKE MODEL NUM.: 724', 
' AGILENT MODEL NUM.: U1253A', 
' AGILENT MODEL NUM.: U1253B'

【讨论】：

[A-Z\d]+',s ',s' 和 '\d\ 对正则表达式有什么作用？
@KehlinSwain 抱歉，line 和 \d 将匹配 0-9 之间的任何数字

【解决方案3】：

我想到了一些事情：

您可以执行一次 split(':') 并重复使用它
如果: 的数量始终相同，则丢弃ifs 并检查一次长度

我正在完成这样的事情

parts_data = {'Model_Number': []}
with open("textfile.txt", 'r') as parts_info:
    linearray = parts_info.readlines()

for line in linearray:
    linesp = line.split(':')
    if len(linesp)>2:
        model_name = linesp[1]
        model_number = linesp[2]
        model_number = model_number.split()[0]
        model_number = model_name + ' ' + model_number
        parts_data['Model_Number'].append(model_number.rstrip())

【讨论】：