使用正则表达式删除相对行答案

【问题标题】：Deleting Relative Lines with Regex使用正则表达式删除相对行
【发布时间】：2016-01-31 17:48:11
【问题描述】：

使用 pdftotext 创建了一个文本文件，其中包括源 pdf 的页脚。页脚妨碍了需要完成的其他解析。页脚的格式如下：

This is important text.

9
Title 2012 and 2013

\fCompany
Important text begins again.

Company 行是文件中唯一不重复出现的行。它显示为\x0cCompany\n。我想根据\x0cCompany\n 出现的位置搜索此行并删除它和前三行（页码、标题和空白行）。这是我目前所拥有的：

report = open('file.txt').readlines()
data = range(len(report))
name = []

for line_i in data:
    line = report[line_i]

    if re.match('.*\\x0cCompany', line ):
        name.append(report[line_i])

print name

这允许我创建一个列表来存储哪些行号出现了这种情况，但我不明白如何删除这些行以及前三行。看来我需要基于此循环创建一些其他循环，但我无法使其工作。

【问题讨论】：

标签： python regex python-2.7

【解决方案1】：

不要遍历并获取要删除的行的索引，而是遍历行并仅附加要保留的行。

迭代您的实际文件对象也会更有效，而不是将其全部放入一个列表中：

keeplines = []

with open('file.txt') as b:
    for line in b:
        if re.match('.*\\x0cCompany', line):
            keeplines = keeplines[:-3] #shave off the preceding lines
        else:
            keeplines.append(line)


file = open('file.txt', 'w'):
    for line in keeplines:
        file.write(line)

【讨论】：