使用 python (acora) 查找包含关键字的行

Question

我正在编写一个程序，该程序读取文本文件目录并找到重叠的特定字符串组合（即在所有文件中共享）。我目前的方法是从此目录中获取一个文件，对其进行解析，构建每个字符串组合的列表，然后在其他文件中搜索该字符串组合。例如，如果我有十个文件，我会读取一个文件，解析它，存储我需要的关键字，然后搜索其他九个文件以找到这种组合。我会为每个文件重复此操作（确保单个文件不会自行搜索）。为此，我正在尝试使用 python 的 acora 模块。

到目前为止我的代码是：

def match_lines(f, *keywords):
    """Taken from [https://pypi.python.org/pypi/acora/], FAQs and Recipes #3."""
    builder = AcoraBuilder('\r', '\n', *keywords)
    ac = builder.build()

    line_start = 0
    matches = False
    for kw, pos in ac.filefind(f):  # Modified from original function; search a file, not a string.
        if kw in '\r\n':
            if matches:
                yield f[line_start:pos]
                matches = False
            line_start = pos + 1
        else:
            matches = True
    if matches:
        yield f[line_start:]


def find_overlaps(f_in, fl_in, f_out):
    """f_in: input file to extract string combo from & use to search other files.
    fl_in: list of other files to search against.
    f_out: output file that'll have all lines and file names that contain the matching string combo from f_in.
    """
    string_list = build_list(f_in)  # Open the first file, read each line & build a list of tuples (string #1, string #2). The "build_list" function isn't shown in my pasted code.
    found_lines = []  # Create a list to hold all the lines (and file names, from fl_in) that are found to have the matching (string #1, string #2).
    for keywords in string_list:  # For each tuple (string #1, string #2) in the list of tuples
        for f in fl_in:  # For each file in the input file list
            for line in match_lines(f, *keywords):
                found_lines.append(line)

您可能已经知道，我使用了 acora 网页 "FAQ and recipes" #3 中的函数 match_lines。我也在模式中使用它来解析文件（使用ac.filefind()），也是从网页上找到的。

该代码似乎有效，但它只为我提供了具有匹配字符串组合的文件名。我想要的输出是从包含我的匹配字符串组合（元组）的其他文件中写出整行。

Answer 1

我没有看到这里会产生文件名，就像你说的那样。

无论如何，要获得行号，您只需要在 match_lines():

中传递它们时对其进行计数

line_start = 0
line_number = 0
matches = False
text = open(f, 'r').read()
for kw, pos in ac.filefind(f):  # Modified from original function; search a file, not a string.
    if kw in '\r\n':
        if matches:
            yield line_number, text[line_start:pos]
            matches = False
        line_start = pos + 1
        line_number += 1
    else:
        matches = True
if matches:
    line_number, yield text[line_start:]

使用 python (acora) 查找包含关键字的行

Using python (acora) to find lines containing keywords

python

search

aho-corasick