Python 3.5 正则表达式无法读取文本文件

Question

将文本文件转换为文档字符串（与文字字符串相同）以使正则表达式起作用是否是个好主意？我试过使用 str() 将其转换为字符串并在 re.

中使用多行模式

我创建了一个基本脚本来通过 Python 解析出 EnCase 导出文件。它有效，但出于某种原因，我无法获得正则表达式代码来执行 findall 函数来搜索文件，除非我将文件的内容作为文档字符串存储在变量中。

file = '''

'''

似乎这段代码可以重复用于不同的文件，但是复制和粘贴每个文件内容变得很麻烦。还有其他建议吗？

EnCase 文件导出本质上是制表符分隔的，下面包含有关文件格式的信息。

另见：Exporting Files and Folder from EnCase

Answer 1

刚刚阅读了文件。这会给你一个字符串：

In [2]: with open('encase_example.md') as cf:
   ...:     data = cf.read()
   ...:     

In [3]: data[:41]
Out[3]: '\n1)\nName\tfile.doc\nFile Category\tDocument\n'

（仅显示部分字符串作为示例。）

注意数据中每条记录的字段之间有换行符，但每个字段的键和值之间有制表符。我们稍后会用到它。

这适用于正则表达式：

In [14]: re.findall('Full Path.*', data)
Out[14]: 
['Full Path\tproject\D\analysis\system\folder\file.doc',
 'Full Path\tproject\D\analysis\system\folder\file2.doc']

如果你想分开记录，就在 \n\n:

上分开

In [18]: records = data.split('\n\n')

In [19]: len(records)
Out[19]: 2

In [20]: records[0][:50]
Out[20]: '\n1)\nName\tfile.doc\nFile Category\tDocument\nFile Type'

您也可以将记录做成字典：

In [35]: dict([ln.split('\t') for ln in records[0].splitlines()][2:])
Out[35]: 
{'Entry Modified': '12/18/14 11:18:53AM',
 'File Acquired': '04/28/15 01:54:45PM',
 'File Category': 'Document',
 'File Created': '03/29/14 03:22:59PM',
 'File Deleted': '',
 'File Type': 'Word Document',
 'Full Path': 'project\D\analysis\system\folder\file.doc',
 'Is Deleted': '',
 'Last Written': '08/18/08 01:20:48PM',
 'Name': 'file.doc',
 'Physical Location': '546,930,589,696',
 'Physical Size': '32,768'}

Python 3.5 正则表达式无法读取文本文件

Python 3.5 Regular expressions cannot read text file

python

regex

validation

text-parsing

encase