Python - 如何匹配文本文件中多行的特定单词/数字并将它们存储在单独的列表中

Question

我有一个 .txt 文件，它是这样的：

ip sla logging traps
ip sla 2553
ethernet jitter mpid 6553 domain Gravity vlan 2553 num-frames 100 interval 100
tag CSCO5839
frequency 300
ip sla schedule 2553 life forever start-time now
ip sla 3553
ethernet jitter mpid 7553 domain Gravity vlan 3553 num-frames 100 interval 100
tag CSCO5839
frequency 300
ip sla schedule 3553 life forever start-time now

我想要一种方法来匹配 ip sla / mpid / vlan 和标记并将它们的值存储到列表或向量中：

期望的输出：

ipsla[0]=2553 和 ipsla[1]=3553
mpid[0]=6553 和 mpid[1]=7553
vlan[0]=2553 和 vlan[1]=3553
tag[0]=CSCO5839

现在，我刚开始学习 Python，我知道我必须解析文件的每一行，然后使用 re.match() 匹配所需的结果，然后将获得的结果存储在数组或列表中。

到目前为止我的代码很糟糕：

#!/usr/bin/env python

import re

myFile = open("regex.txt","r")

for line in myFile:
    if re.match("",line): #I should have a condition there but I got lost
        #now I have to store that variable in an array / or a list

到目前为止我的问题：
- 我应该使用什么表达才能找到我需要的东西？
- 那么，我怎样才能将这些值存储在同名的向量/列表中？例如：ipsla[0]、ipsla[1]？

如果可能的话，我也想要一些解释。

谢谢。

Answer 1

解释您想要的正则表达式及其工作原理

以上所有答案都有效，但如果您想真正了解问题，我认为这可能是一个好方法。首先，您需要考虑要查找的内容。

对于前三个，您希望匹配name space digits 之类的模式。正则表达式是 name \d+ \d 表示数字字符，+ 表示一个或多个。

所以对于 ip sla 你会想要一个像这样的正则表达式：

ip sla \d+

但是你只对数字感兴趣，所以你可以使用括号将数字指定为它自己的组：

ip sla (\d+)

最后，在 python 中，反斜杠 (\) 用于转义它前面的字符，所以为了让 python 识别你的反斜杠，我们需要其中两个，所以在 python 代码中你会：

pattern = "ip sla (\\d+)"

如果你看一下the docs，re 模块有一个函数re.findall，它不需要将你的文件分成几行。

re.findall(pattern, string) 将返回与模式匹配的字符串列表，或者如果仅存在一个组（例如在我们的情况下，其中一组是 \d+），它将返回该组。

也就是说

re.findall("ip sla (\\d+)", fileText)

将返回作为您的 ip sla 值的数字列表（作为字符串）。

这也可以应用于 mpid 和 vlan。

但是，对于您想要匹配字母和数字的标签。在正则表达式中，这些被称为单词字符，为了匹配单词字符，我们可以使用\w。我们将再次使用+ 修饰符来匹配一个或多个单词字符。这给我们留下了

pattern = "tag (\\w+)"

策略：

1. Read file into string

2. Construct and execute regex searches for each pattern

3. Iterate through each list of results

4. Append each result to the correct array

代码：

import re

myFile = open("regex.txt","r")  # open file for reading
myFileData = myFile.read()      # read file into a string
myFile.close()                  # close file now that we're done

# create lists for each thing you're looking for
ipsla = []
mpid = []
vlan = []
tag = []

# finds a pattern like "ip sla <one or more digits 0-9>"
results = re.findall("ip sla (\\d+)", myFileData)
for result in results:
        # add the number (as an int) to your ipsla list
        ipsla.append(int(result))

# rinse & repeat :)
results = re.findall("mpid (\\d+)", myFileData)
for result in results:
        mpid.append(int(result))

results = re.findall("vlan (\\d+)", myFileData)
for result in results:
        vlan.append(int(result))

results = re.findall("tag (\\w+)", myFileData)
for result in results:
        if result not in tag:
                tag.append(result)

print ipsla
print mpid
print vlan
print tag

Answer 2

对命名组使用正则表达式：

import re
from collections import defaultdict

results = defaultdict(list)
matcher = re.compile(r'ip sla (?P<ipsla>\d+)|mpid (?P<mpid>\d+)'
                     r'|vlan (?P<vlan>\d+)|tag (?P<tag>\w+)')

with open("regex.txt") as f:
    for line in f:
        for match in re.finditer(matcher, line):
            results[match.lastgroup].append(match.group(match.lastgroup))

print(results)

现在您的结果可以在 (defaultdict) 字典结果中找到：

defaultdict(<class 'list'>, {
    'mpid': ['6553', '7553'],
    'vlan': ['2553', '3553'],
    'ipsla': ['2553', '3553'],
    'tag': ['CSCO5839', 'CSCO5839']
})

如有必要，您可以将各个列表放入单独的变量中，然后使用：

ipsla = results['ipsla']
vlan = results['vlan']
mpid = results['mpid']
tag = results['tag']

Answer 3

你可以这样试试：

>>> ipsla, mpid, vlan, tag = [], [], [] ,[]
>>> my_string = open('your_file', 'r')
>>> for x in re.findall("ip sla \d+|mpid \d+|vlan \d+|tag \S+", my_string):
...     if x.startswith("ip sla"):
...         ipsla.append(x.split()[2])
...     if x.startswith("mpid"):
...         mpid.append(x.split()[1])
...     if x.startswith("vlan"):
...         vlan.append(x.split()[1])
...     if x.startswith("tag"):
...         tag.append(x.split()[1])
...
>>> ipsla
['2553', '3553']
>>> mpid
['6553', '7553']
>>> vlan
['2553', '3553']
>>> tag
['CSCO5839']

Answer 4

我建议这个代码：

import re

sla = [] # Declare the list variables
mpid = []
vlan = []

with open("regex.txt","r") as myFile:              # Open the file
    p = re.compile(r'(sla|mpid|vlan)\s+(\d+)')     # Create regex
    for m in p.finditer(myFile.read()):            # Find the match in the current input
        if m.group(1) == 'sla':
            sla.append(m.group(2))                 # Add a match to the corresponding list
        if m.group(1) == 'mpid':
            mpid.append(m.group(2))
        if m.group(1) == 'vlan':
            vlan.append(m.group(2))

见Python demo：

import re
s = """ip sla logging traps
ip sla 2553
ethernet jitter mpid 6553 domain Gravity vlan 2553 num-frames 100 interval 100
tag CSCO5839
frequency 300
ip sla schedule 2553 life forever start-time now
ip sla 3553
ethernet jitter mpid 7553 domain Gravity vlan 3553 num-frames 100 interval 100
tag CSCO5839
frequency 300
ip sla schedule 3553 life forever start-time now"""
sla = [] # Declare the list variables
mpid = []
vlan = []

p = re.compile(r'(sla|mpid|vlan)\s+(\d+)') # Create regex
for m in p.finditer(s):                  # Find the match in the current input
    if m.group(1) == 'sla':
        sla.append(m.group(2))              # Add a match to the corresponding list
    if m.group(1) == 'mpid':
        mpid.append(m.group(2))
    if m.group(1) == 'vlan':
        vlan.append(m.group(2))

print(sla)
print(mpid)
print(vlan)

输出：

['2553', '3553'] # sla
['6553', '7553'] # mpid
['2553', '3553'] # vlan