在文件行中搜索相同的字符串答案

【问题标题】：Search same string in line of file在文件行中搜索相同的字符串
【发布时间】：2021-03-14 16:58:21
【问题描述】：

在一个文件中，我有几行具有这种结构：

> Present one time: "Instance: ...Edition: ..."
> Present two times: "Instance: ...Edition: ...Instance: ...Edition: ..."
> Present n times: "Instance: ...Edition: ... [n] Instance: ...Edition: ..."

这种结构可以每行出现一次，也可以在同一行出现多次。思路是逐行读取文件，隔离所代表的值... em> 并将它们写入一个 excel 文件。我可以做到，但如果上面的结构在一行中出现一次，我只能隔离这些值。如果该结构在行上存在不止一次，我只能保存第一个结构的值。这是我的代码：

#READ FILE
for i in fin:
    if "Instance:" in i:
        instance = ((i.split('Instance:'))[1].split('Edition')[0])
        worksheet.write(row, col, instance)
    if "Edition:" in i:
        edition = ((i.split('Edition:'))[1].split('\n')[0])
        worksheet.write(row, col, edition)
    row += 1

知道如何解决这个问题吗？

【问题讨论】：

所以你想从字符串中删除每个“Instance”、“Edition:”和“\n”，然后将剩余的内容串联起来？
另外，如果“Instance”和“Edition”都存在，那么“Edition”后面的内容会覆盖“Instance”后面的内容，这是你想要的吗？
那些不以“Instance”开头但包含“Edition”的行怎么办......这可能吗？现在你的代码允许它。
这个想法是，如果行看起来像这样：“实例：1 版本：2 实例：3 版本：4”，我可以隔离 1、2、3、4，但现在用我的代码我只能隔离1和2。希望清楚

标签： python string file substring

【解决方案1】：

请注意，这仅在您的输入以空行（称为换行符）结尾时才有效。如果没有，您可以像这样添加它：s += '\n'

s = '''Instance: A Edition: Limited
Instance: B Edition: Common Instance: C Edition: 2020 Instance: D Edition: Bla
'''

result = []
start_in = start_ed = None
for i in range(len(s)):
    # Reaching the end of a data item
    if s[i:i+9] == 'Instance:' or s[i] == '\n':
        if start_in and start_ed:
            result.append(
                (s[start_in:start_ed-8].strip(), s[start_ed:i].strip())
            )
            start_in = start_ed = None

    if s[i:i+9] == 'Instance:':
        start_in = i+9
    if s[i:i+8] == 'Edition:':
        start_ed = i+8

print(result)

[('A', 'Limited'), ('B', 'Common'), ('C', '2020'), ('D', 'Bla')]

编辑：根据要求使用Version 字段

s = '''Instance: A Edition: Limited Version: 1
Instance: B Edition: Common Version: 2 Instance: C Edition: 2020 Version: 3 Instance: D Edition: Bla Version: 4
'''

result = []
start_in = start_ed = start_vs = None
for i in range(len(s)):
    # Reaching the end of a data item
    if s[i:i+9] == 'Instance:' or s[i] == '\n':
        if start_in and start_ed and start_vs:
            result.append((
                s[start_in:start_ed-8].strip(),
                s[start_ed:start_vs-8].strip(),
                s[start_vs:i].strip()
            ))
            start_in = start_ed = start_vs = None

    if s[i:i+9] == 'Instance:':
        start_in = i+9
    if s[i:i+8] == 'Edition:':
        start_ed = i+8
    if s[i:i+8] == 'Version:':
        start_vs = i+8

print(result)

【讨论】：

非常感谢！我更喜欢这个解决方案，因为它更容易理解。现在如果结构在 Edition 之后有一个 Version 字段，是否会在代码末尾添加 s[i:i+9] == 'Version:' ？
版本字段是始终存在还是可选的？您将需要一个额外的变量 start_vs 并且由于字符串“版本：”有 8 个字母，它将是 s[i:i+8] == 'Version:' 并附加 s[start_ed:start_vs-8] 和 s[start_vs:i]
非常感谢您的帮助，我会做测试，您帮了我很多！万事如意
很高兴我能帮上忙
如果结构变为“实例：...版本：...版本：...”，我没有得到结果，请您帮帮我

【解决方案2】：

使用regular expression 的替代解决方案。这更短，但可能更难阅读和维护：

import re
r = re.findall(r'Instance:([\w|\s]+?)Edition:([\w|\s]+?)(?=Instance|\n)', s)

[(' A ', ' Limited'), (' B ', ' Common '), (' C ', ' 2020 '), (' D ', ' Bla')]

如果您不希望匹配项周围有空格，您可以像我在其他解决方案中所做的那样将strip 应用于所有元素，或者您可以修改正则表达式以读取Instance: ([\w...

【讨论】：