使用 Python 在文件行中搜索列表条目

我有一个包含数万行 ASCII 文本的文本文件。我有一个包含数百个要搜索的关键字的列表，单独考虑每一行。最初，如果有任何匹配项，我想返回（打印到屏幕或文件）该行，但最终我想根据匹配数对返回的行进行排名或排序。

所以，我的清单是这样的......

keywords = ['one', 'two', 'three']

我的思路是这样的：

myfile = open('file.txt')
for line in myfile:
    if keywords in line:
        print line

但将其从伪代码转换为工作代码并没有发生。

我还考虑过使用正则表达式：

print re.findall(keywords, myfile.read())

但这让我走上了一条充满不同错误和问题的道路。

如果有人可以提供一些指导、语法或代码片段，我将不胜感激。

您无法测试字符串中是否存在列表。您可以做的是测试另一个字符串中是否存在一个字符串。

lines = ['this is a line without any keywords', 
         'this is a line with one', 
         'this is a line with one and two',
         'this is a line with three']
keywords = ['one', 'two', 'three']

for line in lines:
    for word in keywords:
        if word in line:
            print(line)
            break

The break当第一个单词匹配时，有必要打破“单词”循环。否则它将打印它匹配的每个单词的行。

正则表达式解决方案也有同样的问题。您可以使用与上面相同的解决方案，并在单词上添加一个额外的循环，或者您可以构建一个将自动匹配任何单词的正则表达式。请参阅Python 正则表达式语法 https://docs.python.org/3.4/library/re.html文档。

for line in lines:
    matches = re.findall('one|two|three', line)
    if matches:
        print(line, len(matches))            

注意re.findall如果没有匹配项，则返回一个空列表；如果有匹配项，则返回所有匹配项的列表。因此我们可以直接在 if 条件下测试结果，因为空列表的计算结果为False.

您还可以轻松生成这些简单情况的正则表达式模式：

pattern = '|'.join(keywords)
print(pattern)
# 'one|two|three'

要对它们进行排序，您只需将它们放入元组列表中并使用key的论证sorted.

results = []
for line in lines:
    matches = re.findall('one|two|three', line)
    if matches:
        results.append((line, len(matches)))

results = sorted(results, key=lambda x: x[1], reverse=True)

您可以阅读文档 https://docs.python.org/3.4/library/functions.html#sorted for sorted，但是keyargument 提供了一个用于排序的函数。在本例中，我们提取每个元组的第二个元素，这是我们存储该行中匹配项数量的位置，并用它对列表进行排序。

您可以通过这种方式将其应用到实际文件并保存结果。

keywords = ['one', 'two', 'three']
pattern = '|'.join(keywords)

results = []
with open('myfile.txt', 'r') as f:
    for line in f:
        matches = re.findall(pattern, line)
        if matches:
            results.append((line, len(matches)))

results = sorted(results, key=lambda x: x[1], reverse=True)

with open('results.txt', 'w') as f:
    for line, num_matches in results:
        f.write('{}  {}\n'.format(num_matches, line))

您可以阅读与上下文管理器 https://docs.python.org/3.4/reference/compound_stmts.html#the-with-statement，但在这种情况下，它基本上确保您在完成文件后将其关闭。