从列表中删除正则表达式元素

Question

我使用 Python 2.7 版本。我有一个名为 'a' 的文件存储着数据：

[e-mail];description1
[e-mail];description2
myname3@this_is_ok.ok;description3
[e-mail];description4
[e-mail];description5
[e-mail];description7

我像这样读取文件：

with open('a', 'r') as f:
    data = [x.strip() for x in f.readlines()]

我有一个名为bad的列表：

bad = ['abc', 'qwe'] # could be more than 20 elements

现在我正在尝试删除所有出现在@后面的包含'abc'和'qwe'的行，并将其余部分写入新文件。因此，在新文件中应该只有两行：

myname3@this_is_ok.ok;description3
[e-mail];description7

我一直在尝试使用正则表达式 (.?)@(.?);(.*) 来获取分组，但是我不知道下一步该怎么做。

请给我建议！

- Alex

---

展示你已经尝试过的代码。 - msvalkon

https://dev59.com/BWgu5IYBdhLWcg3wbGml#11329368 - Tisho

Tisho，我曾经遇到过这个问题。但是问题在于我必须使用正则表达式来创建分组进行检查。或者也许有其他我不知道的方法。 - Alex

Answer 1

这里有一个非正则表达式的解决方案：

bad = set(['abc', 'qwe'])

with open('a', 'r') as f:
    data = [line.strip() for line in f if line.split('@')[1].split('.')[0] in bad]

- Joel Cornett

Answer 2

import re
bad = ['abc', 'qwe']

with open('a') as f:
    print [line.strip() 
           for line in f
           if not re.search('|'.join(bad), line.partition('@')[2]]

只要bad仅包含正常字符，例如字母、数字、下划线，但不包含干扰正则表达式的内容，如@phihag所指出的'a|b'，此解决方案就能够起作用。

- jamylak

---

这对于bad的不良值会失败，例如['a|b']。 - phihag

@phihag同意，我会记下来的。 - jamylak

Answer 3

正则表达式 .? 匹配零个或一个字符。你需要使用 .*?，它是匹配多个字符的懒惰模式：

import re
bad = ['abc', 'qwe']

filterf = re.compile('(.*?)@(?!' + '|'.join(map(re.escape, bad)) + ')').match
with open('a') as inf, open('newfile', 'w') as outf:
    outf.writelines(filter(filterf, inf))

- phihag

---

'(.*?)@(?!%s)' % '|'.join(map(re.escape, bad) - Aleksei astynax Pirogov

Answer 4

我使用了正则表达式来删除包含@abc或@qwe的行。不确定这是否是正确的方法。

import re
with open('testFile.txt', 'r') as f:
     data = [x.strip() for x in f.readlines() if re.match(r'.*@([^abc|qwe]+)\..*;.*',x)]

print data    

现在数据将包含没有 '@abc' 和 '@qwe' 的行

或者使用

data = [x.strip() for x in f.readlines() if re.search(r'.*@(?!abc|qwe)',x)]

根据astynax的建议...

- Nick