从文件到Python中的另一个文件从一些字符集写入到另一个文件

Question

我需要读取整个.txt文件，直到找到字符'{{'（正好连续2个字符），从现在起它应该保存所有内容到另一个.txt文件，直到遇到'}}'。诀窍是这些角色不必处于行的起点，他们可以在任何地方。所以示例文件可能看起来像这样：

blablabla {{zzzzz 
zzzzzz 
zzzz 
zzz 
zz 
}}blabla 

它应该得到所有'z'。在python 2中最简单的方法是什么？我发现了类似的问题，但没有什么能够完全帮助我的案例。

Answer 1

我会使用一个正则表达式，re.findall()：

with open('/tmp/in') as input_file: 
    with open('/tmp/out', 'w') as output_file: 
     input = input_file.read() 
     output_file.write(''.join(re.findall(r'(?s)(?<={{).*?(?=}})', input))) 

打破下来：

• 的with线打开相关的数据文件。你可能已经拥有了这个。
• input_file.read()创建一个包含文件内容的单个字符串。
• 的呼叫re.findall()搜索：
  • {{，但是从结果（(?<={{)）排除。
  • 最短（(?s)）可能的匹配，直到}}（.*?）
  • }}，但是从结果（(?=}})）
• 的呼吁''.join()膏所有的字符串一起排除。
• 对output_file.write()的调用将结果存储到输出文件中。

Answer 2

或考虑使用类似以下内容：

import sys                  


def save_lines(infile, outfile):             
    save = False                 
    for line in infile:               
     if save:                 
      pos = line.find('}}')            
      if pos > -1:               
       outfile.write(line[:pos] + '\n')         
       save = False              
      else:                
       outfile.write(line)            
     else:                 
      pos = line.find('{{')            
      if pos > -1:               
       outfile.write('-----\n')           
       save = True              
       outfile.write(line[pos + 2:])         
      else:                
       pass                


def test():                  
    infile = open('tmp01.txt', 'r')            
    save_lines(infile, sys.stdout)            
    infile.close()                


if __name__ == '__main__':              
    test()                  

Answer 3

罗布是正确的。上述解决方案存在问题。

而且，Rob给出的基于正则表达式的解决方案在 之上对我来说似乎是一个很好的解决方案。

这里是一个变化：

def save_lines(infile, outfile): 
    bracket_pattern = re.compile(r'{{(.*?)}}', re.DOTALL) 
    content = infile.read() 
    for mo in bracket_pattern.finditer(content): 
     outchars = mo.group(1) 
     outfile.write('matched: "{}" at position {}\n'.format(
      outchars, mo.start())) 

但是，根据您的需求，您可能还需要考虑 以下几点：（1）基于正则表达式的方法提供了非常 一点灵活性语法错误检查。 （2）Regular 表达式不支持递归语法，也就是说，如果需要解析的 语法（以及我们正在讨论的解析 问题）此处包含或扩展为包含嵌套语法 元素，则正则表达式将会没有帮助。

这是另一种基于FSM（有限状态机）的解决方案。它 可能会给错误报告更多的灵活性。但是，这是更长，更复杂的 。这种复杂性的代价是：（1） 开发时间（上面的正则表达式解决方案花了我10分钟到15分钟;我的FSM解决方案花了我几个小时）;和（2） 调试（有大量的逻辑，if语句大多），因为 有很多方法可以出错。

因为它基于FSM，所以它也不能被扩展为 （没有困难）来支持处理嵌套 （递归）构造的语法。为此，您可能需要查看解析器 生成器。对于列表，请参阅本： https://wiki.python.org/moin/LanguageParsing

从积极的一面，因为下面的代码是基于一个有限状态机， 可以画出状态转换图，以澄清什么行动 代码是假设采取在任何情况下（例如，只有 看到一个左花括号，在花括号内，并只看到一个 右花括号等）。在论文中，我将该图绘制为 有向图（用于状态的圆圈，用于 转换的圆圈之间的箭头）。我不认为我能做到的ASCII艺术的这一点，所以 这里是一个状态转换图 的文本表示可能是什么样子：

start: 
    [any] --> outside 
outside: 
    "{" --> seen_left 
    [any] --> outside 
seen_left: 
    "{" --> inside 
    [any] --> outside 
inside: 
    "}" --> seen_right 
    [any] --> inside 
[etc] 

而且，这里是代码：

#!/usr/bin/env python 

""" 
Synopsis: 
    Search for and write out text content occuring between '{{' and '}}'. 
Usage: 
    python capture.py <infilename> 
Args: 
    1. Input file name 
Options: 
    None 
Example: 
    python capture.py some_file.txt 
""" 

import sys 


(
    ST_start, 
    ST_seen_left_bracket, 
    ST_inside_brackets, 
    ST_seen_right_bracket, 
    ST_outside_brackets, 
    ST_end, 
) = range(1, 7) 

Left_bracket = '{' 
Right_bracket = '}' 


class ReaderWriter(object): 
    def __init__(self, infile, outfile): 
     self.infile = infile 
     self.outfile = outfile 
     self.line = '' 
     self.pos = 0 
     self.inchar = None 
     self.prevchar = None 
     self.char_count = 0 

    def get_char(self): 
     if self.pos >= len(self.line): 
      self.line = self.infile.readline() 
      if not self.line: 
       return None 
      self.pos = 0 
     self.prevchar = self.inchar 
     inchar = self.line[self.pos] 
     self.inchar = inchar 
     self.pos += 1 
     self.char_count += 1 
     return inchar 

    def write(self, outchars): 
     #self.outfile.write('found: "{}"\n'.format(outchar)) 
     self.outfile.write(outchars) 

    def write_prev_char(self): 
     #self.outfile.write('found: "{}"\n'.format(self.prevchar)) 
     self.outfile.write(self.prevchar) 


def save_lines(infile, outfile): 
    state = ST_start 
    while True: 
     if state == ST_start: 
      reader_writer = ReaderWriter(infile, outfile) 
      inchar = reader_writer.get_char() 
      state = ST_outside_brackets 
     elif state == ST_outside_brackets: 
      if inchar == Left_bracket: 
       inchar = reader_writer.get_char() 
       state = ST_seen_left_bracket if inchar is not None else ST_end 
      else: 
       inchar = reader_writer.get_char() 
       state = ST_outside_brackets if inchar is not None else ST_end 
     elif state == ST_seen_left_bracket: 
      if inchar == Left_bracket: 
       reader_writer.write('found (pos {:d}): "'.format(
        reader_writer.char_count)) 
       inchar = reader_writer.get_char() 
       state = ST_inside_brackets if inchar is not None else ST_end 
      else: 
       inchar = reader_writer.get_char() 
       state = ST_outside_brackets if inchar is not None else ST_end 
     elif state == ST_inside_brackets: 
      if inchar == Right_bracket: 
       inchar = reader_writer.get_char() 
       state = ST_seen_right_bracket if inchar is not None else ST_end 
      else: 
       reader_writer.write(inchar) 
       inchar = reader_writer.get_char() 
       state = ST_inside_brackets if inchar is not None else ST_end 
     elif state == ST_seen_right_bracket: 
      if inchar == Right_bracket: 
       reader_writer.write('"\n') 
       inchar = reader_writer.get_char() 
       state = ST_outside_brackets if inchar is not None else ST_end 
      else: 
       reader_writer.write_prev_char() 
       reader_writer.write(inchar) 
       inchar = reader_writer.get_char() 
       state = ST_inside_brackets if inchar is not None else ST_end 
     elif state == ST_end: 
      return 
     else: 
      pass 


def main(): 
    args = sys.argv[1:] 
    if len(args) != 1: 
     sys.exit(__doc__) 
    if args[0] == '-h' or args[0] == '--help': 
     print __doc__ 
     sys.exit() 
    infilename = args[0] 
    infile = open(infilename, 'r') 
    save_lines(infile, sys.stdout) 
    infile.close() 


if __name__ == '__main__': 
    #import ipdb 
    #ipdb.set_trace() 
    main()