python学习之在多个文件中依次查找多个关键词_python多个返回值中搜索关键字

项目中经常遇到一些简单但是重复性强的工作，比如确认log中是否报了一些有风险的warning。我通常是用搜索关键字的方法或者grep命令找我关注的warning，但是效率低且不能保证全面。如果有一个自动查找的脚本就好了，这篇博文记录如何在多个文档中一次查找多个关键词。

查找多个关键词

以前做项目的时候遇到过类似的问题，参考之前的解决方案：Python学习之re.compile与findall即可实现多个关键字的依次查找。总结下来就是两个关键点：

• re.compile()正则表达式匹配
• serach()搜索文件内容

import re
# warning key_wds that we cares
key_warn_lst = ['WARNING1', 'WARNING2', 'WARNING3', 'WARNING4']

def filter_key_wds(file_dir)
	key_warn_num_lst = []
	with open(file_dir, 'r') as f_in:
		file_ctxt = f_in.read()
		# extract statistical warnings part
		warn_part = re.search(r'\d+ warnings[(](.*?)[)]', file_ctxt, re.S).group()
		# search key_warns we cares among warning parts
		for each_warn in key_warn_lst:
			key_warn_regex = '(?<=' + each_warn + ' : )\d+'
			key_warn_patte = re.compile(key_warn_regex)
			key_warn_num = key_warn_patte.search(warn_part)
			if key_warn_num:
				key_warn_num_str = key_warn_num.group()
			else:
				key_warn_num_str = '0'
			key_warn_num_lst.append(int(key_warn_num_str))
		return key_warn_num_lst
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

• \d+表示匹配任意十进制数字1次或多次；[(]表示匹配左圆括号；.*?表示匹配任意长度、任意内容但不包括换行符
  • .匹配除了换行符以外的任何字符，如果有re.S/re.DOTALL标志则包括换行符
  • *匹配前面的字符0次或多次
  • ?匹配前面的字符0次或1次
  • +匹配前面的字符1次或多次（see more regex in link）
  • 加括号表示只保留括号里的内容，举例：aaa(.*?)bbb返回的结果不包括前后的aaa和bbb
• 如果当前查找的是WARNING1关键字，(?<=WARNING1 : )\d+表示匹配“WARNING1+冒号+1或多个十进制数字”的字符串，但是匹配的结果不包括“WARNING1+冒号”，只返回数字
  • 匹配结果不包括开头用(?<=start_string)other_intended_string
  • 匹配结果不包括结尾用other_intened_string(?=end_string)

多个文件中查找

import os
def check_files(dir_path, obj_file_lst):
	warn_num_dict = {}
	if os.path.isdir(dir_path):
		file_lst = os.listdir(dir_path)
		for file_name in file_list:
			for obj_file_str in obj_file_lst:
				if file_name.endswith(obj_file_str + 'warn.log'):
					warn_num_dict[obj_file_str] = filter_key_wds(dir_path + '/' + file_name)
					print(':) +++++ ' + filename + ' filtering is DONE. +++++')
	else:
		print(':( +++++'+ dir_path 'is invaild directory, please CHECK! +++++')
	return warn_num_dict
1
2
3
4
5
6
7
8
9
10
11
12
13

• os.path.isdir(path_string)判断指定路径是否为目录；os.path.isfile(path_string)判断指定路径是否为文件
• os.listdir(path_string)返回一个指定路径下的所有文件、文件夹名称组成的列表
• warn_num_dict={}表示这是个字典，以obj_file_str作为key、filter_key_wds返回的列表作为value

整理多个文件的查找结果

def merge_result(key_warn_lst, wran_num_dict):
	warn_num_lst_2d = []
	for key in warn_num_dict:
		warn_num_lst_tmp = warn_num_dict[key]
		warn_num_lst_tmp.insert(0, key)
		warn_num_lst_2d.append(warn_num_lst_tmp)
	# multi-demontional list trnspose 多维列表转置
	warn_num_lst = list(map(list, zip(*warn_num_lst_2d)))
	# insert element at the beginning of list
	key_warn_lst.insert(0, 'stage')
	# combine two list as one tuple
	key_warn_tpl = zip(key_warn_lst, warn_num_lst)
	return key_warn_tpl
1
2
3
4
5
6
7
8
9
10
11
12
13

• 列表开头插入元素用list_exmp.insert(0, new_element)，列表结尾插入元素用list_exmp.append(new_element)
• zip(iterable, ...)函数将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，返回由这些元组组成的列表。参考link
• map(function, iterable, ...)函数以参数序列iterable中的每个元素调用function函数，返回一个包含每次函数调用返回值的新列表。参考link

主函数中将结果写入文件

if __name__ == "__main__":
	log_dir = '/data/project1/log'
	my_file_lst = ['stage1', 'stage2']
	
	warn_num_dict = check_files(log_dir, my_file_lst)
	flt_warn_tpl = merge_result(key_warn_lst, wran_num_dict)

	with open('flt_warn.txt','w') as f_out:
		f_out.write('\n'.join('%-10s\t: %-10s' % x for x in flt_warn_tpl))
		print('All fitering is DONE.')
1
2
3
4
5
6
7
8
9
10

• %s常用于输出格式的限定，将输出对象传递到str()函数中，输出字符串
• %-10s表示输出的字符串宽度为10个字符，宽度不足10则在右边补齐空格（即左对齐），超过10则按原长度输出
• %+10s与上面类似，区别是宽度不足10时在左右边补齐空格（即右对齐）
• symbol.join(seq)方法用于将序列seq中的元素以指定的字符symbol连接生成一个新的字符串