从多行文件中获取特定文本答案

【问题标题】：Fetching a certain text from multi-line file从多行文件中获取特定文本
【发布时间】：2019-07-26 17:54:45
【问题描述】：

考虑到文本文件有多个换行符和空格，我想在 python 中使用 Regex 包从文件中过滤特定文本。该文件可能有多个数据块，但唯一需要的是具有特定关键字的数据块。在我的问题中，它应该属于一个包含“Route-Details”关键字的组。

假设文件（sample.txt）如下所示。

.
.
.
 Host1<-->Host2 Con. ID:         0x0fc2f0d9  (abc123)
  Con. Information:
     [Gw]  Route-Details 
        R-Code:      0xaaaa (1a2) Route-Details
        Router-ID:     0x21       (a4)  [Gw] 
        Path-Code:    0x00e   (15)
        Data: 123-abcd.djsjdkks www.somesite. port 11

Coded info
                   aa aa aa aa aa aa aa aa   1111-aaa
                   aa aa aa aa aa aa aa aa   1111-aaa
.
.
.

这是我写的

import re
with open("sample.txt", "r") as fl:
    in_file= fl.read()

(re.search('(?<=Route-Details).* Data:', in_file,re.DOTALL).group())

我希望得到这个。

123-abcd.djsjdkks www.somesite. port 11

但是，我明白了。

R-Code:      0xaaaa (1a2) Route-Details
        Router-ID:     0x21       (a4)  [Gw] 
        Path-Code:    0x00e   (15)
        Data:

我想知道我是否可以为此获得简化和详细的解决方案。非常感谢您的帮助。

【问题讨论】：

标签： python regex regex-lookarounds regex-negation regex-group

【解决方案1】：

您可以使用积极的后视和捕获组：

re.findall(r'(?<=Data: )(.*?)\n', text)

产量：

['123-abcd.djsjdkks www.somesite. port 11']

此外，您可以尝试以下方法来包含您指定的Route-Details 条件：

re.findall(r'(?<=Route-Details).*?(?<=Data: )(.*?)\n', text, re.DOTALL)

详细解释见here。此外，re.DOTALL 指定 . 字符将匹配所有字符，包括换行符。

【讨论】：

谢谢，我可以包含“Route-Details”关键字进行匹配吗？
当然：re.findall(r'(?<=Route-Details).*?(?<=Data: )(.*?)\n', text, re.DOTALL)
感谢您的合作。我可以解释一下匹配和转义是如何工作的吗？
当然，我已经添加了解释。
感谢您的帮助。我去添加的链接进行解释，我没有找到添加的部分“Route-Details”。你能检查一下吗？另外，你能解释一下命令的逻辑吗？

【解决方案2】：

我会做类似的事情

re.search('(?=Data: ).*\n', infile, re.DOTALL).group()

我认为您的问题是您的表达式试图匹配从“Route-Details”到“Data:”的所有内容。

希望对您有所帮助:)

【讨论】：

是的，因为获取的块必须具有“Route-Details”关键字，因为有类似的组具有不同的关键字。因此，我必须匹配是否与“Route-Details”相关的数据。我该怎么做？

【解决方案3】：

这会解决这个问题，我已经测试过了。它给出的输出与您预期的相同：

import re
with open("sample.txt", "r") as fl:
    in_file= fl.read()
    print(re.search('(?<=Data: ).* port 11', in_file, re.DOTALL).group())

【讨论】：

只有当port 11 是指定的端口号时才会匹配。我怀疑这是 OP 所期望的行为。

【解决方案4】：

当您想在 python 中使用已知侧面的正则表达式检索文本的一部分时，最简单的方法是：

re.search('left_flanking_text(*.)right_flanking_text', text_to_search_into).group(1)

*。将匹配除换行符以外的任意数量的字符，因此在您的情况下，如果您不使用 DOTALL 标志，则可以将换行符用作右侧而不指定它。不带参数（或 0 作为参数）的 group() 方法返回完全匹配，而不管捕获组。

group(1) 返回第一个捕获组。在您的情况下，第一个捕获组是一个lookbehind 语句，因此它不会返回任何内容。

恢复你需要的表达式是：

re.search('Data:(.*)', in_file).group(1)

要将其限制在 Route-Details 块中，您可以编写：

re.search('Route-Details[\S\s]*?Data:(.*)', in_file).group(1)

[\S\s]* 将匹配任何字符（包括新行）

?Data: 将匹配之前匹配后找到的第一个“Data:”

【讨论】：

非常感谢。