정규식을 사용하여 많은 양의 데이터 가져 오기

Question

텍스트 파일에서 SQL 데이터베이스로 많은 양의 건물 코드를 가져와야합니다. 지금까지 코드 번호와 제목을 성공적으로 반환하는 다음 코드를 작성했습니다. 코드 제목 뒤에 나오는 텍스트를 다음 코드 시작 부분과 어떻게 일치시킬 수 있습니까?

Test.txt :

101.1 제목. 이것은 예제 코드입니다.

101.1.2 지역 수수료. 해당 지역의 관할 구역은 섹션 300.1에 따라 건축 허가 위반에 대한 수수료를 부과 할 수 있습니다.

101.1 제목 :

는

import re 

file=open(r'C:\Test.txt','r') 
text=file.read() 

codes=re.findall('(\d{3,4}.[\d.]+?){1}\s([\w\s]+[.]){1}',text) 
for code in codes: 
    print code[0],code[1] 

이 발생합니다. 나는 코드를 갖고 싶습니다. [3] print '이것은 예제 코드입니다.'

101.1.2 지역 수수료.

Answer 1

re.findall 대신 re.split을 사용하십시오.

이

>>> re.split('(\d{3,4}.[\d.]+?){1}\s([\w\s]+[.]){1}',text) 

['', '101.1', 'Title.', ' This is an example code.\n\n', '101.1.2', 'Local Fees.', ' The local jurisdiction may charge fees for building permit violations per Section 300.1.\n'] 

Answer 2

귀하의 레코드 제목은 마지막 숫자 (문자열을 증가시킬 경우)와 첫 번째 마침표가 숫자 앞에 나오지 않고 첫 번째 마침표 사이에있는 텍스트입니다.

이것을 사용하면 전체 줄을 가져 와서 레코드의 두 부분을 구분하고 그 부분을 기준으로 분할 할 수 있습니다. 그런 다음 두 문자열을 쌍으로 캐시하거나 데이터베이스에 직접 삽입하십시오.

파일이 추출하려는 건물 코드이고 사용하지 않는 데이터가없는 경우 정규식을 폐기하고이 방법을 사용하는 것이 좋습니다.

Answer 3

나는 (테스트하지) {1}은있는 test.txt에 대한 쓸모

Answer 4

import sys 
import re 

SECTION = r'\d{3,4}\.[\d.]*' 
LABEL = r'[^.\r\n]*' 
TITLE = re.compile(r'^({section})\s*({label})\W*'.format(section=SECTION, label=LABEL), re.MULTILINE) 

def process(fname): 
    with open(fname, 'r') as inf: 
     txt = inf.read() 
    res = TITLE.split(txt) 
    it = iter(res) 
    it.next()   # discard leading text 
    return zip(it, it, it) 

def main(): 
    args = sys.argv[1:] or ['c:/test.txt'] 
    for fname in args: 
     res = process(fname) 
     # do something with res 

if __name__=="__main__": 
    main() 

실행이라고

codes=re.findall('^(\d{3,4}.[\d.]+?)\s([\w\s]+[.])\s+(.*)$',text,re.MULTILINE) 

주,이 반환 folowing을 사용합니다 : 귀하의 경우에는

[ 
    ('101.1', 'Title', 'This is an example code.\n\n'), 
    ('101.1.2', 'Local Fees', 'The local jurisdiction may charge fees for building permit violations per Section 300.1.\n\n') 
]