¿Cómo busco un patrón dentro de un archivo de texto usando Python combinando operaciones de expresiones regulares y cadenas/archivos y almacenando instancias del patrón?

Question

Básicamente, estoy buscando específicamente un código de 4 dígitos dentro de dos corchetes angulares dentro de un archivo de texto. Sé que necesito abrir el archivo de texto y luego analizarlo línea por línea, pero no estoy seguro de cuál es la mejor manera de estructurar mi código después de marcar "para línea en archivo".

Creo que de alguna manera puedo dividirlo, quitarlo, o particionarlo, pero también escribí una expresión regular que utilicé compilar y si eso devuelve un objeto coincidente no creo que pueda usar eso con esa cadena operaciones basadas Además no estoy seguro de si mi expresión regular es suficiente o no codicioso ...

me gustaría para almacenar todas las instancias de esos golpes que se encuentran como cadenas o bien dentro de una tupla o una lista.

Aquí es mi expresión regular:

regex = re.compile("(<(\d{4,5})>)?") 

No creo que tenga que incluir todo lo que mucho código teniendo en cuenta su muy básicos hasta el momento.

Answer 1

import re 
pattern = re.compile("<(\d{4,5})>") 

for i, line in enumerate(open('test.txt')): 
    for match in re.finditer(pattern, line): 
     print 'Found on line %s: %s' % (i+1, match.groups()) 

Un par de notas sobre la expresión regular:

• No es necesario el ? al final y el (...) exterior si no desea que coincida con el número entre paréntesis angulares, pero sólo desea que el número en sí
• coincide con 4 o 5 cifras entre paréntesis angulares

actualización: Es importante entender que la coincide con y captura en una expresión regular puede ser bastante diferente. La expresión regular en mi fragmento anterior coincide con el patrón con paréntesis angulares, pero te pido para capturar sólo el número interno, sin los paréntesis angulares.

Answer 2

Hacerlo en una mayor lee:

import re 

textfile = open(filename, 'r') 
filetext = textfile.read() 
textfile.close() 
matches = re.findall("(<(\d{4,5})>)?", filetext) 

Línea por línea:

import re 

textfile = open(filename, 'r') 
matches = [] 
reg = re.compile("(<(\d{4,5})>)?") 
for line in textfile: 
    matches += reg.findall(line) 
textfile.close() 

Pero, de nuevo, los partidos que devuelve no será útil para nada más que contar a menos que ha añadido un contador de desplazamiento :

import re 

textfile = open(filename, 'r') 
matches = [] 
offset = 0 
reg = re.compile("(<(\d{4,5})>)?") 
for line in textfile: 
    matches += [(reg.findall(line),offset)] 
    offset += len(line) 
textfile.close() 

Pero todavía tiene más sentido leer el archivo completo a la vez.