如何在特定值上过滤具有特定模式的特定条目？ [复制]

Question

我有一个包含以下信息的数据文件： 我有兴趣只检索模式所在的条目

len:XXXX 大于 200

TY_DN106_c0_g2::TY_DN106_c0_g2_i1::g.1::m.1 type:internal len:123 gc:universal TY_DN106_c0_g2_i1:1-366(+) TY_DN106_c0_g2::TY_DN106_c0_g2_i1::g.2::m.2 type:internal len:213 gc:universal TY_DN106_c0_g2_i1:366-1(-) TY_DN108_c0_g1::TY_DN108_c0_g1_i1::g.3::m.3 type:5partial len:513 gc:universal TY_DN108_c0_g1_i1:3-341(+)

我怎么能用 Python 或其他脚本语言做到这一点？？

Answer 1

您可以使用len:([2-9]\d{2}|[1-9]\d{3,}) 正则表达式来获取您需要的匹配项。

如果要匹配整行，请使用：^.*len:([2-9]\d\d|[1-9]\d{3,}).*$。

---

正则表达式解释

表达式的第一部分：len: 匹配字符 'len:' 字面意思。

之后，在第一个捕获组中，我们有 2 个备选方案。

第一个选项：[2-9]\d{2} 匹配 2 到 9 之间的数字，后跟任意两位数字，从而涵盖从 200 到 999 的所有数字。

第二个选项：[1-9]\d{3,} 匹配所有以数字 1 到 9 开始，后跟 3 个其他数字的字符，从而覆盖从 1000 到 inf 的所有整数，省略以 0 开头的数字字符。

Answer 2

对于 data.txt 文件中的数据，如下所示：

TY_DN106_c0_g2::TY_DN106_c0_g2_i1::g.1::m.1 type:internal len:123 gc:universal
TY_DN106_c0_g2_i1:1-366(+)
TY_DN106_c0_g2::TY_DN106_c0_g2_i1::g.2::m.2 type:internal len:213 gc:universal
TY_DN106_c0_g2_i1:366-1(-)
TY_DN108_c0_g1::TY_DN108_c0_g1_i1::g.3::m.3 type:5partial len:513 gc:universal
TY_DN108_c0_g1_i1:3-341(+)

使用正则表达式： 1.找到合适的线路 2.提取号码 3.比较数字和条件

import re

data = open('data.txt', 'r').readlines()

for line in data:
    proper_row = re.findall('len:\d+', line.strip())
    if len(proper_row) > 0:
        number = re.findall('\d+', proper_row[0])[0]
        if int(number) > 200:
            print(line.strip())

输出：

TY_DN106_c0_g2::TY_DN106_c0_g2_i1::g.2::m.2 type:internal len:213 gc:universal
TY_DN108_c0_g1::TY_DN108_c0_g1_i1::g.3::m.3 type:5partial len:513 gc:universal

Answer 3

这是一个例子：

import re


file_path = 'file.txt'
pattern = r'len:\d{3,}'

with open(file_path, 'r', encoding='utf-8') as f:
    for line in f.readlines():
        if re.search(pattern, line):
            if int(re.search(pattern, line)[0].split(':')[1]) > 200:
                print(line)

如果你不想将结果写入新文件，试试这个：

import re


file_path = 'file.txt'
new_file_path = 'new_file.txt'
pattern = r'len:\d{3,}'

with open(file_path, 'r', encoding='utf-8') as f1:
    with open(new_file_path, 'w', encoding='utf-8') as f2:
        for line in f1.readlines():
            if re.search(pattern, line):
                if int(re.search(pattern, line)[0].split(':')[1]) > 200:
                    f2.write(line)

这是@Henry Harutyunyan 的正则表达式示例：

import re


file_path = 'file.txt'
pattern = r'len:([2-9]\d{2}|[1-9]\d{3,})'

with open(file_path, 'r', encoding='utf-8') as f1:
    for line in f1.readlines():
        if re.search(pattern, line):
            print(line)