文件读取和正则表达式 - Python

Question

我读了一个文件，其中有一行：Fixes: Saurabh Likes python

我想删除上述行的Fixes: 部分。我正在为此使用正则表达式 但下面的 sn-p 会返回类似

的输出

Saurabh Likes python\r

我想知道\r 来自哪里。我尝试了所有删除它的剥离选项，如rstrip()、lstrip() 等。但没有任何效果。谁能建议我摆脱\r的方法。

patternFixes ='\s*'+'Fixes'+':'+'\s*'
matchFixes= re.search(patternFixes,line, re.IGNORECASE)
        if matchFixes:
                    patternCompiled = re.compile(patternFixes)
                    line=patternCompiled.sub("", line)
                    #line=line.lstrip()
                    relevantInfo = relevantInfo+line
                    continue

提前致谢！ -Saurabh

Answer 1

建议摆脱\r：

我想您已经使用open(filename) 打开了您的文件。关注manual的开启：

如果省略 mode，则默认为 'r'。 ...除了 标准 fopen() 值模式可能是“U”或“rU”。 Python 通常是 内置通用换行符支持；提供“U”将文件打开为 一个文本文件，但行可以由以下任何一种终止： Unix 行尾约定 '\n'、Macintosh 约定 '\r' 或 Windows 约定“\r\n”。所有这些外部表示 被 Python 程序视为 '\n'。

所以，简而言之，请尝试使用'rU' 打开您的文件，看看\r 是否消失：

with open(filename, "rU") as f:
    # do your stuff here.
    ...

\r 在您的输出中消失了吗？

当然，您的代码看起来相当笨拙，但其他人已经对此部分发表了评论。

Answer 2

您可能以二进制模式（open(filename, "rb") 或类似的方式）打开了文件。如果您正在处理文本文件，请不要这样做。

请改用open(filename)。现在，无论当前平台如何，Python 都会自动将所有换行符标准化为 \n。

另外，为什么不简单地patternFixes = r'\s*Fixes:\s*'？为什么都是+es？

然后，您会做很多不必要的事情，例如一遍又一遍地重新编译正则表达式。

所以，我的建议（与您的代码做同样的事情（加上文件处理）：

r = re.compile(r'\s*Fixes:\s*')
with open(filename) as infile:
    relevantInfo = "".join(r.sub("", line) for line in infile if "Fixes:" in line)

Answer 3

>>> import re
>>> re.sub('Fixes:\s*', '', 'Fixes: Saurabh Likes python')
'Saurabh Likes python'

没有'\r'

>>> re.sub('\s*'+'Fixes'+':'+'\s*', '', 'Fixes: Saurabh Likes python')
'Saurabh Likes python'

没有'\r'了

您能否提供有关如何复制的更多详细信息？

EDIt也无法用您的代码重现

>>> line = 'Fixes: Saurabh Likes python'
>>> patternFixes ='\s*'+'Fixes'+':'+'\s*'
>>> matchFixes= re.search(patternFixes,line, re.IGNORECASE)
>>> if matchFixes:
...     patternCompiled = re.compile(patternFixes)
...     line=patternCompiled.sub("", line)
...     print line
...     line=line.lstrip()
...     print line
... 
Saurabh Likes python
Saurabh Likes python
>>> 

Answer 4

'\r' 是一个回车 -- http://en.wikipedia.org/wiki/Carriage_return，它是从您的文件中提取的。

我会注意到，如果您需要“修复”的所有行实际上都以“修复：”开头，而这就是您想要更改的全部内容，您可以执行以下操作：

line = line[line.find('Fixes: ')+7:-1]

为您节省所有正则表达式的东西。不过，不确定性能。这应该同时杀死你的 '\r's。