python查找并匹配确切的字符串

Question

如何将.csv 文件中的列中的字符串与定义的数据类型列表进行匹配？

数据类型列表为：

Datatype = ["M", "B", "E", "A", "DF", "DW", "DL", "DT", "XTEXT", "MDEDATA"]

我想使用与列匹配的数据类型在字典中查找值。

什么有效

当我的代码在输入中找到类似DW1 的内容时（请参阅下面的示例），它会将DW:5 写入输出文件，当它找到DT34 时，它会写入DT:7。这很好用。

什么不起作用

但问题是，每当我的代码遇到XTEXT 时，它首先将其匹配到E: 2（因为E 存在于XTEXT 中）然后然后 匹配到XTEXT: 4105下一行。结果，输出文件中的对应行包含2 而不是4105。 MDEDATA 也发生了类似的事情，解析为 A:3。

我尝试使用正则表达式从输入文件的相关列中删除数字（此行在上面的代码中被注释掉），如下所示：

if (Datatype[n] == re.sub('[1234567890\n]', '', line.split(";")[1])):
    # ...

但这会在遇到像X256DATA 这样的字符串时导致问题。

另一个问题是当前生成的输出文件在第一列中显示abc;DW1，在第二列中显示5，但我希望在第一列中显示abc，在第二列中显示DW1，在第二列中显示@第三栏987654342@！

我该如何解决这些问题？任何帮助表示赞赏。

---

CSV 示例

输入：

1 abc DW1  
2 uz5 XTEXT

当前输出：

1 abc DW1    5
2 uz5 XTEXT  4105

TXT 示例

输入：

abc;DW1\n  
uz5;XTEXT\n

当前输出：

abc;DW1,5\n  
uz5;XTEXT,4105\n    

期望的输出

abc;DW1;5\n  
uz5;XTEXT;4105\n

Answer 1

普通字典查找与键完全匹配。如果您获得多个匹配项，则您正在做其他事情。

>>> dict1 = {"M":1, "E":2, "A":3, "DF":4, "DW":5, "DL":6, "DT":7, "B":10, "XTEXT":4105, "MDEDATA":4110}
>>> dict1["XTEXT"]
4105

现在从更新的问题中，我看到您并不是真的在寻找精确匹配，因为文件中的 DW1 应该与 Datatype 中的 DW 匹配。如果要检查字符串的开头是否匹配，请使用str.startswith：

>>> "DW1".startswith("DW")
True

请注意，您必须在M 之前检查MDEDATA，以避免错误匹配。更一般地，在较短的匹配之前检查较长的匹配。

Answer 2

好的，这是一个基于您的代码的解决方案，它应该适用于您的 .txt 文件格式：

import csv

# Define data_type / dict1 / dict2:

data_type = [
    "M", "E", "B", "A", "DF", "DW", "DL", "DT", "PF", "PW", "PL", "PT",
    "XTEXT", "MDEDATA", "X8DATA", "X16DATA", "X32DATA", "X64DATA",
    "X128DATA", "X256DATA", "X512DATA", "X1024DATA", "X2048DATA",
    "X4096DATA", "X8912DATA"]

dict1 = {
    "M": 1, "E": 2, "A": 3, "DF": 4, "DW": 5, "DL": 6, "DT": 7, "PF": 8,
    "PW": 9, "B": 10, "PL": 11, "PT": 12, "XTEXT": 4105, "MDEDATA": 4110,
    "X8DATA": 10000, "X16DATA": 10001, "X32DATA": 10002, "X64DATA": 10003,
    "X128DATA": 10004, "X256DATA": 10005, "X512DATA": 10006,
    "X1024DATA": 10007, "X2048DATA": 10008, "X4096DATA": 10009,
    "X8912DATA": 10010}

dict2 = {
    "M": "B", "E": "B", "A": "B", "DF": ">f","PF": ">f", "DW": ">h",
    "PW": ">h", "DL": ">l", "PL": ">l", "DT": "String", "PT": "String",
    "B": "B", "XTEXT": "XTEXT", "MDEDATA": "MDEDATA", "X8DATA": "X8DATA",
    "X16DATA": "X16DATA", "X32DATA": "X32DATA", "X64DATA": "X64DATA",
    "X128DATA": "X128DATA", "X256DATA": "X256DATA", "X512DATA": "X512DATA",
    "X1024DATA": "X1024DATA", "X2048DATA": "X2048DATA",
    "X4096DATA": "X4096DATA", "X8912DATA": "X8912DATA"}

# Obtain writer for output file:

source = 'GSV.txt'
dest = open('GSV_copy.txt', 'w')

# Process data:

import re

source_lines = open(source).readlines()
for line in source_lines:
    x = line.split(';')[1]
    icon_lletter = ''
    icon_lnummer = 0
    python_letter = ''
    for t in data_type:
        if x.startswith(t): # Alternative using re: "if re.match(t, x)"
            icon_lletter = t
            break
    if (icon_lletter not in dict1):
        print "Entry (%s) in Dictionary1 is not available" % (icon_lletter)
    else:
        icon_lnummer = dict1[icon_lletter]
    if (icon_lletter not in dict2):
        print "Entry (%s) in Dictionary2 is not available" % (icon_lletter)
    else:
        python_letter = dict2[icon_lletter]
        print "Converted the GVR datatype to python datatype is %s : %s : %s" \
            % (icon_lletter, python_letter, icon_lnummer)
        # Write line to output file:
        dest.write(';'.join([line.strip('\n'), str(icon_lnummer) + '\n']))

dest.close()

请注意：

• 通过此解决方案，我正在尝试解决您的问题，同时保持接近您的原始实施。有多种实现目标的方法可能更 Pythonic / 高效 / DRY。

• 由于您的输入和输出文件的列数不同并且格式不同，您最终会希望将代码转换为一个（一组）函数来获取不同（文件类型和要检查的列）作为参数。

---

编辑：

在处理这个问题时，我注意到dest 中的输出有点乱码。 （我之前还没有做到这一点：））我已经更改了代码以产生您现在想要的确切输出。

---

另一个编辑（基于 cmets 中的讨论）：

关于将输入文件中的数据类型与定义的data_types 列表进行匹配的主题：如果输入文件中的DTs 始终包含您不想考虑的数字开头或结尾，你可以使用

re.sub('^[0-9]+', '', x)

或

re.sub('[0-9]+$', '', x)

删除它们。

Answer 3

根据itsjeyd的建议，

re.sub('^[0-9]+', '', x) or re.sub('[0-9]+$', '', x) does the trick!