关于regex：Python：匹配项之间的连续行类似于awk

Python: consecutive lines between matches similar to awk

鉴于：

多行字符串string(已从文件file中读取)
两种模式pattern1和pattern2将分别匹配string中仅一行的子字符串。这些行将称为line1和line2。

模式是正则表达式模式，但是如果可以简化的话，我可以更改其格式。

已搜寻

我正在寻找一种方法来获取python中line1和line2之间的所有行(我们可以安全地假设line1在line2之前)。

当然，这可以通过pattern1设置的标志和pattern2匹配时的中断在for循环中完成。不过，我在这里寻找更紧凑的解决方案。这是awk中的琐碎oneliner：

1	awk '/pattern1/,/pattern2/' file

例：

文件：

1
2
3
4
5
6

aaa aa a
bbb bb b
ccc cc c
ddd dd d
eee ee e
fff ff f

模式1：b bb

pattern2：d dd

期望的结果：

1
2
3

bbb bb b
ccc cc c
ddd dd d

相关讨论

在awk中，/start/, /end/范围正则表达式将打印找到/start/的整行，直到发现/end/模式的整行。这是一个有用的构造，并已被Perl，sed，Ruby和其他人复制。

要在Python中执行范围运算符，请编写一个类来跟踪对start运算符直到end运算符的上一次调用的状态。我们可以使用正则表达式(如awk一样)，也可以对其进行琐碎的修改以使其返回一行数据的True或False状态。

给定示例文件，您可以执行以下操作：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

import re

class FlipFlop:
''' Class to imitate the bahavior of /start/, /end/ flip flop in awk '''
def __init__(self, start_pattern, end_pattern):
self.patterns = start_pattern, end_pattern
self.state = False
def __call__(self, st):
ms=[e.search(st) for e in self.patterns]
if all(m for m in ms):
self.state = False
return True
rtr=True if self.state else False
if ms[self.state]:
self.state = not self.state
return self.state or rtr

with open('/tmp/file') as f:
ff=FlipFlop(re.compile('b bb'), re.compile('d dd'))
print ''.join(line if ff(line) else"" for line in f)

印刷品：

1
2
3

bbb bb b
ccc cc c
ddd dd d

这样可以保留逐行读取的文件，并具有其他语言中/start/,/end/ regex的灵活性。当然，您可以对多行??字符串(假定命名为s)执行相同的方法：

1 2	''.join(line+"\ " if ff(line) else"" for line in s.splitlines())

习惯上，在awk中，使用标志可以获得与触发器相同的结果：

1	$ awk '/b bb/{flag=1} flag{print $0} /d dd/{flag=0}' file

您也可以在Python中复制它(使用更多单词)：

1
2
3
4
5
6
7
8
9

flag=False
with open('file') as f:
for line in f:
if re.search(r'b bb', line):
flag=True
if flag:
print(line.rstrip())
if re.search(r'd dd', line):
flag=False

也可以与内存字符串一起使用。

或者，您可以使用多行正则表达式：

1 2	with open('/tmp/file') as f: print ''.join(re.findall(r'^.b bb[\\s\\S]d dd.*$', f.read(), re.M))

演示与说明

但这需要将整个文件读入内存。由于您声明该字符串已被读入内存，因此在这种情况下这可能是最简单的：

1	''.join(re.findall(r'^.b bb[\\s\\S]d dd.*$', s, re.M))

使用re.DOTALL匹配包括换行符在内的所有内容。然后插入开始模式和结束模式：

1	re.search( '[\\w ]b bb.?d dd[ \\w]*', string, re.DOTALL).group(0)

注意：(1)string这是您要搜索的文件或字符串。 (2)您需要import re。如果您确实想简明扼要(也许是错误的意思)，则可以结合读取文件和提取模式：

1	re.search( '[\\w ]b bb.?d dd[ \\w]*', open('file').read(), re.DOTALL).group(0)