1

プログラムを実行して生成された大きなファイルを手動で検索しています。情報のいくつかのブロックを引き出すことに成功しましたが、最後の 3 つのブロックを抽出しようとして立ち往生しています。ブロックの構造は次のとおりです。

次のようないくつかの re 式を試しましたが、成功しませんでした。

v2 = re.findall(r'(?s)\(VFSCAN\) AT TIME =(.*?)100 BUSES WITH LOW VOLTAGE DEVIATION BELOW.*?\s*$',wholefile)

wholefile は、私が読み込んだファイル全体です。ファイルには、以下の各セクションがいくつかあります。それらをすべて抽出して、( 18436 [LENZIE 618.0] -0.245) などのエントリの最後の出現箇所を特定できるようにします。次に、行を時間で解析して、これがいつ発生したかを判断します。「電圧偏差」「電圧」「周波数」も同様です。1 つの可変長の複数行セクションを一致させる方法を見つけた場合、他のセクションでも同じにする必要があります。私の問題は、いつ検索を終了するかを知ることです。検索は最後の空白行で終了する必要があるという事実を使用しています (したがって、 を使用します\s*$)。たとえば、findallを使用して、電圧偏差などのすべてのセクションを抽出しています。

Python でのパターンの VERBOSE 定義にも問題があります。私は動作していないようです（以下）。私は何か間違ったことをしていますか？

(VFSCAN) AT TIME =  1.1800 UP TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200:

X ----- BUS ------ X    VDEV       X ----- BUS ------ X    VDEV
18436 [LENZIE 618.0]   -0.245      18433 [LENZIE 318.0]   -0.245     
18431 [LENZIE 118.0]   -0.214      18432 [LENZIE 218.0]   -0.214     
18435 [LENZIE 518.0]   -0.214      18434 [LENZIE 418.0]   -0.214     

(VFSCAN) AT TIME =  2.6267 UP TO  100 BUSES WITH LOW VOLTAGE BELOW  0.700:

X ----- BUS ------ X    VOLT       X ----- BUS ------ X    VOLT
65191 [BONANZA 24.0]    0.439      65194 [CHAPITA  138]    0.581     
65192 [BONANZA  138]    0.585      65371 [COVE TP  138]    0.694     
66278 [RANGELY  138]    0.698     

(VFSCAN) AT TIME =  6.0632 UP TO  100 BUSES WITH LOW FREQUENCY BELOW 59.600:

X ----- BUS ------ X    FREQ       X ----- BUS ------ X    FREQ
27117 [WTGCP   .600]   59.443      27123 [WTGGE2  .570]   59.490     
27119 [WTGGE   .570]   59.492      26040 [INTERM2G26.0]   59.492     
26039 [INTERM1G26.0]   59.492     

pattern = r"""
(?s)                                                            # Tell Regex to span multiple lines
\(VFSCAN\).*100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200:  # Literal string to serach for
(\s*$).*?                                                        # This search for an empty line
X ----- BUS ------ X    VOLT       X ----- BUS ------ X    VOLT   # Literal string to search            (\d{5}.*).*?                                                         # Multiple lines starting with numbers
\s*$                                                                 # This search ends with an empty line
"""
regex = re.compile(pattern, re.VERBOSE)

次の日さらに数時間試した後、次のことを思いつきました. 最初のものはすべて（必要なものではない）と一致し、2番目のものは動作すると確信していましたが、テストファイルと一致しませんでした。

初め：

(?s)^\(VFSCAN\).*100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200:.*(\s*$)?

2番：

(?m)(?s)^\(VFSCAN\).*100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200:^\s*$^X ----- BUS ------ X    VDEV.*?
(.*?)
^\s*$

これらの正規表現を使用して、ファイルの次のセクションを完全に一致させようとしています。

(VFSCAN) AT TIME =  1.1800 UP TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200:

X ----- BUS ------ X    VDEV       X ----- BUS ------ X    VDEV
18436 [LENZIE 618.0]   -0.245      18433 [LENZIE 318.0]   -0.245     
18431 [LENZIE 118.0]   -0.214      18432 [LENZIE 218.0]   -0.214     
18435 [LENZIE 518.0]   -0.214      18434 [LENZIE 418.0]   -0.214

上記を選択できるように、パターンを修正するための助けが必要です。

次のテキストに問題があります。すべての角括弧「[]」で時間と関連項目を抽出したいだけです。

test3 = r'''(VFSCAN) AT TIME =  1.1800 UP TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -    0.200:

X ----- BUS ------ X    VDEV       X ----- BUS ------ X    VDEV
18436 [LENZIE 618.0]   -0.245      18433 [LENZIE 318.0]   -0.245     
18431 [LENZIE 118.0]   -0.214      18435 [LENZIE 518.0]   -0.214     
18434 [LENZIE 418.0]   -0.214      18432 [LENZIE 218.0]   -0.214     

(VFSCAN) AT TIME =  1.5167 UP TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200:

X ----- BUS ------ X    VDEV       X ----- BUS ------ X    VDEV
69036 [DNLP2G21.575]   -0.414      69038 [DNLP2G22.575]   -0.414     
69040 [DNLP2G23.575]   -0.414      69032 [DNLP1_G1.575]   -0.402     
65460 [DIFICULT 230]   -0.384      69027 [7MIHL G1.575]   -0.355     
69076 [HORIZ_G .575]   -0.303      67237 [MEDBOWCO 115]   -0.301     
67940 [STNDPSVC 230]   -0.300      65976 [MINERS  34.5]   -0.294     
65585 [FT CRK1 34.5]   -0.261      65584 [FT CRK2 34.5]   -0.261     
69073 [HIPLN_G .575]   -0.214     

(VFSCAN) AT TIME =  1.1800 UP TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200:

X ----- BUS ------ X    VDEV       X ----- BUS ------ X    VDEV
65191 [BONANZA 24.0]   -0.572      65192 [BONANZA  138]   -0.434     
65194 [CHAPITA  138]   -0.433      66278 [RANGELY  138]   -0.320     
65371 [COVE TP  138]   -0.302      79265 [CALAMRDG 138]   -0.286     
79400 [DES.MINE 138]   -0.285      65086 [ASHLEY  69.0]   -0.284     
79067 [VERNAL   138]   -0.277      67257 [MOONLAK269.0]   -0.268     
67256 [MOONLAK169.0]   -0.266      79264 [W.RV.CTY 138]   -0.206     

'''

パターンでfindallを使用すると、得られます。

[('1.1800', 'DEVIATION', 'LENZIE 218.0'), ('1.5167', 'DEVIATION', 'HIPLN_G .575'), ('1.1800', 'DEVIATION', 'W.RV.CTY 138')]

リストに 30 を超える一致するタプルを取得する必要があります。

4

2 に答える 2

2

フィールドを抽出する正規表現

\(VFSCAN\)[^=]*=\s*    # first line of a section: (VFSCAN) AT TIME =  1.1800 UP TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200
(\d*(?:\.\d+)?)        # group 1 - first number of first line: 1.1800
\D+
(\d+)                  # group 2 - second number of first line: 100
[^\d-]+
(-?\d*(?:\.\d+)?)      # group 3 - last number of first line: -0.200
\D+                    # skip second line
(?:                    # a data line: 18436 [LENZIE 618.0] -0.245 18433 [LENZIE 318.0] -0.245
  (?:                  # a data entry: 18436 [LENZIE 618.0] -0.245
    (\d+)              # group 4 - first number in an entry: 18436
    \s+\[
    (.*?)              # group 5 - words in brackets: LENZIE
    (-?\d*(?:\.\d+)?)  # group 6 - number in brackets: 618.0
    \]\s*
    (\S*)              # group 7 - last number (VDEV): -0.245
    \s*
  )+
  (?=[\r\n\s]+|$)
)+

BUSES WITH LOW VOLTAGE DEVIATION BELOWグループ2とグループ3の間を行き来します（[^\d-]+）。したがって、次のいずれかを実行できます。

オプション1

この部分をキャプチャして、後で目的のセクションかどうかを確認することもできます。その周りに括弧を追加するだけで、3番目のキャプチャグループになります。

[^\d-]+=> ([^\d-]+)。

オプション2

または、正規表現の同じ部分を変更して、目的のセクションとのみ一致させることもできます。この場合、正規表現は各セクションではなく、指定されたセクションのみに一致します。

[^\d-]+=>\s+BUSES\s+WITH\s+LOW\s+VOLTAGE\s+DEVIATION\s+BELOW\s+

両方の行を一致させたい場合：

BUSES WITH LOW VOLTAGE DEVIATION BELOW
BUSES WITH LOW FREQUENCY BELOW

次に、代替（|）構文を使用して変更部分を記述できます（(?:...)このグループをキャプチャしないことを意味します）。

[^\d-]+=>\s+BUSES\s+WITH\s+LOW\s+(?:VOLTAGE\s+DEVIATION|FREQUENCY)\s+BELOW\s+

パフォーマンスの向上

グループのキャプチャ

(xyz)Unnecesarrayキャプチャグループは、 =>のように削除するxyzか、次のように非キャプチャにすることができます：(xyz)=>(?:xyz)

不要なオプション

に変更.*する.+と、パフォーマンスが向上する可能性があります。

正規表現の改善

以下の正規表現は、上記の正規表現の改良版です。

\(VFSCAN\)[^=]*=\s*    # first line of a section: (VFSCAN) AT TIME =  1.1800 UP TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200
(\d*(?:\.\d+)?)        # group 1 - first number of first line: 1.1800
\D+
\d+                    # second number of first line: 100
[^\d-]+
-?\d*(?:\.\d+)?        # last number of first line: -0.200
\D+                    # skip second line
(?:                    # a data line: 18436 [LENZIE 618.0] -0.245 18433 [LENZIE 318.0] -0.245
  (?:                  # a data entry: 18436 [LENZIE 618.0] -0.245
    \d+                # first number in an entry: 18436
    \s+\[
    (.+?)              # group 2 - words in brackets: LENZIE
    -?\d*(?:\.\d+)?    # number in brackets: 618.0
    \]\s+
    \S+                # last number (VDEV): -0.245
    \s*
  )+
  (?=[\r\n\s]+|$)
)+
于 2012-09-03T20:30:11.210 に答える
0

VOLTあなたはと一致しようとしている枯れていますVDEV

(VFSCAN) AT TIME =  1.1800 UP TO  100 BUSES WITH LOW VOLTAGE DEVIATION BELOW -0.200:

X ----- BUS ------ X    VDEV       X ----- BUS ------ X    VDEV

またはあなたはと一致しようとしてい-0.200ます0.700

(VFSCAN) AT TIME =  2.6267 UP TO  100 BUSES WITH LOW VOLTAGE BELOW  0.700:

X ----- BUS ------ X    VOLT       X ----- BUS ------ X    VOLT
于 2012-09-03T05:36:48.380 に答える