如何从 python 中的文件的多行中提取子字符串

Question

我有一个包含数千行的文件，在文件中，有一些行如下：

Line 115463: 08:59:25.106   08:59:24.992877 ASDF_IIS_CFGDB  GenMod  Ta-SNS__GENERATED_EVENTS (Event2f, DIR = 13)    rrc_UlUtranMsg.c (../../../HEDGE/UL3/ASDF/UtranMsg/Uplink/Code/Src) 987 
Line 236362: 08:59:28.647   08:59:28.597827 ASDF_IIS_CFGDB  GenMod  Ta-SNS__GENERATED_EVENTS (Eventab, DIR = 1) rrc_UlUtranMsg.c (../../../HEDGE/UL3/ASDF/UtranMsg/Uplink/Code/Src) 934 
Line 324964: 08:59:40.456   08:59:40.403644 ASDF_IIS_CFGDB  GenMod  Ta-SNS__GENERATED_EVENTS (Eventac, DIR = 1) rrc_UlUtranMsg.c (../../../HEDGE/UL3/ASDF/UtranMsg/Uplink/Code/Src) 934 
Line 341172: 08:59:40.659   08:59:40.616565 ASDF_IIS_CFGDB  GenMod  Ta-SNS__GENERATED_EVENTS (Eventfb, DIR = 13)    rrc_UlUtranMsg.c (../../../HEDGE/UL3/ASDF/UtranMsg/Uplink/Code/Src) 987 
Line 373186: 08:59:41.174   08:59:41.104755 ASDF_IIS_CFGDB  GenMod  Ta-SNS__GENERATED_EVENTS (Event2f, DIR = 1) rrc_UlUtranMsg.c (../../../HEDGE/UL3/ASDF/UtranMsg/Uplink/Code/Src) 934 
Line 480217: 08:59:44.481   08:59:44.389453 ASDF_IIS_CFGDB  GenMod  Ta-SNS__GENERATED_EVENTS (Eventx1, DIR = 1) rrc_UlUtranMsg.c (../../../HEDGE/UL3/ASDF/UtranMsg/Uplink/Code/Src) 934 
Line 505424: 08:59:44.777   08:59:44.701709 ASDF_IIS_CFGDB  GenMod  Ta-SNS__GENERATED_EVENTS (Event1a, DIR = 1) rrc_UlUtranMsg.c (../../../HEDGE/UL3/ASDF/UtranMsg/Uplink/Code/Src) 934

我只需要提取子串

'1a'

来自

'SNS__GENERATED_EVENTS (Event1a, DIR = 1)'

等等。所以，基本上，'(Event'

之后的两个字符

我需要将它们存储在列表中或其他我可以使用它们的地方。

我该怎么做？

到目前为止，我已经尝试了以下代码，但它给了我一些混合的值：

events = []

for line in input_txt_file:
        if "Ta-SNS__GENERATED_EVENTS " not in line: continue
        parts = line.split('Event')
        event_temp = [0]
        for i,part in enumerate(parts):
            if part.endswith("Ta-SNS__GENERATED_EVENTS ("): event_temp[0] = parts[i+1].split(None,1)[0].split(',',2)[0]
            events.append(event_temp)

print events

我得到的输出是：

[[0], [0], ['2f'], ['2f'], ['ab'], ['ab'], [0], [0], ['ac'], ['ac'], ['fb'], .......]

Answer 1

如果您知道它始终处于那个位置，您可以简单地执行以下操作：

hexes = [line[99:101] for line in file]

如果有不包含该文本的行，您可以执行以下操作：

hexes = [line[99:101] for line in file if 'Ta-SNS__GENERATED_EVENTS' in line]

Answer 2

如果行位置始终固定，Wayne 的答案是最有效的。如果位置可以稍微变化，这是使用正则表达式的合适情况：

import re
events = []

for line in input_txt_file:
    match = re.search(r'SNS__GENERATED_EVENTS.*?Event(..)', line)
    if match:
        events.append(match.group(1))

这将在每一行中搜索 SNS__GENERATED_EVENTS，然后可能是一些字符，然后是 Event，然后是另外两个字符，然后获取这两个字符。

Answer 3

我个人会使用 re 模块进行子字符串搜索。

import re

for line in input_txt_file:
    val = ''
    val = re.search('SNS__GENERATED_EVENTS \(Event(.+?), DIR\)', line).group(1)
    print(val)

Answer 4

此处不需要正则表达式：只需根据 Ta-SNS__GENERATED_EVENTS (Event 进行拆分，如果有，则取第二个字段的 2 个首字母：

events=[]
for line in input_txt_file:
    toks = line.split("Ta-SNS__GENERATED_EVENTS (Event")
    if len(toks)>1:
        events.append(toks[1][:2])

编辑：找到了一个很酷的单行等价物：

events=[tok[:2] for line in input_txt_file for i,tok in enumerate(line.split("Ta-SNS__GENERATED_EVENTS (Event")) if i==1]

使用enumerate并测试拆分项目的索引是否为1：表示至少有2个项目。在这种情况下，从令牌中取出 2 个第一个字符。

EDIT2：Amber 更好地使用 partition 来避免 enumerate 黑客攻击：

events=[t for t in (l.partition("Ta-SNS__GENERATED_EVENTS (Event")[2] for l in input_txt_file) if t]

Answer 5

使用 re.findall() 函数的简短解决方案：

# change to your actual file path
with open('./text_files/events.txt', 'r') as fh:
    l = re.findall(r'(?<=Ta-SNS__GENERATED_EVENTS \(Event)\w+', fh.read(), re.M)

print(l)

输出：

['2f', 'ab', 'ac', 'fb', '2f', 'x1', '1a']

如何从 python 中的文件的多行中提取子字符串

How can I extract a substring from multiple lines from a file in python

python

split

list

enumerate

python-2.7