我正在尝试在文本文件中设置范围，以便将搜索结果与特定章节相关联

Question

我知道有更可行的方法来解决这个问题（数据库：mysql，oracle等...），并且我有一个mysql db文件（KJV Bible），我可以通过PHP代码搜索。但是，我想在 Python 中打开 Bible.txt 文件并搜索某些字符串并返回行和行号。此外，（对我来说是一个挑战）我还想归还找到该行的书（来自平面文件）。我一直在阅读并试图更加熟悉Python。不幸的是，我仍然缺乏有效和高效解决问题的知识和技能。这是我想到的：我认为如果我使用 range 方法来设置章节的开头和结尾（代表行号），我可以为每本书/章节硬编码一个名称（例如.. range( 38, 4805）此范围之间的所有线都是创世记）。这似乎有效；我只尝试了几本书。但代码非常冗长（elif 语句）。有谁知道更有效的方法？下面是我为尝试几本书而编写的代码示例，KJV.txt 文件可能是 从古腾堡计划获得。

 import os
 import sys
 import re

 word_search = raw_input(r'Enter a word to search: ')
 book = open("KJV.txt", "r")
 regex = re.compile(word_search)
 bibook = ''

 for i, line in enumerate(book.readlines()):
     result = regex.search(line)
     ln = i
     if result:
         if ln in range(36, 4809):
            bibook = 'Genesis'
         elif ln in range(4812, 8859):
            bibook = 'Exodus'
         elif ln in range(8867, 11741):
            bibook =  'Leviticus'
         elif ln in range(11749, 15713):
            bibook = 'Numbers'

         template = "\nLine: {0}\nString: {1}\nBook: {2}\n"
         output = template.format(ln, result.group(), bibook)
         print output

Answer 1

这是一个非常坚实的开始。不过我有一些建议。

首先，您对 readlines 的使用效率有点低。 readlines 从文件中创建一个新的行列表——它将整个文件存储在内存中。但你不必这样做；如果您想做的只是迭代文件中的行，您可以只说 for line in file，或者在您的情况下：

for i, line in enumerate(book):

或者，如果您确实想将文件存储在内存中，也许为了重复搜索，请将 readlines 的结果保存到变量中：

booklines = book.readlines()
for i, line in enumerate(booklines):

您还可以使用 read 将文本存储为单个字符串，尽管在这种情况下这没有多大帮助，因为你仍然需要分割它：

booktxt = book.read()
booklines = book.splitlines() #
for i, line in enumerate(booklines)

其次，我想说与使用i作为索引变量然后单独保存到ln相比，只需在前面使用一个有意义的变量名称即可。 ln 很好，line_number 更清晰但冗长，lineno 是一个很好的折衷方案。我们在这里继续使用 ln ，因为我们都知道它的含义。

for ln, line in enumerate(book):

第三，正如 utdemir 在评论中指出的那样，您实际上并不需要正则表达式。如果您希望用户能够输入更复杂的搜索，那么这可能是有意义的，但 RE 足够复杂，以至于它们会产生一个有问题的默认 ui。我只会使用 in 进行简单的子字符串匹配，如下所示：

    if word_search in line: 

其余的 if 语句都很好，在某些情况下，这是最好的做法。但是，通常在需要（例如）case 语句的情况下，实际上最好使用字典。当然，这里有范围，所以我们必须更聪明一点。

让我们从起始页字典开始。很明显，这应该在循环之前，这样我们就不会每次都重新定义字典。

first_lines = {36: 'Genesis', 4812: 'Exodus', 8867: 'Leviticus', 11749: 'Numbers'}

现在我们必须将 ln 映射到这些字典值之一。但 ln 很可能不等于上述任何数字，因此我们不能将其直接插入字典中。我们可以使用for循环来迭代字典键（for key in first_lines），将前一个键存储在prev_key<中/code>，测试是否ln > key，如果是，则返回prev_key。但实际上有一种更好的方法可以用 python 来实现。我们不编写普通循环，而是使用内置函数 filter 或列表理解来过滤列表，以从列表中删除大于 的值>ln.然后我们找到最大值。

first_line = max(filter(lambda l: l < ln, first_lines))

这里 first_lines 的作用就像一个无序列表的键；一般来说，您可以像遍历列表一样迭代字典中的键，但需要注意的是键可以采用任何顺序。 lambda 是一种定义短函数的方法：该函数将 x 作为参数，并返回 x x 的结果。 ln..我们必须这样做，因为 filter 想要一个函数作为它的第一个参数。它返回一个列表，其中包含 first_lines 中给出 True 结果的所有值。

由于这可能有点难以阅读，特别是当涉及 lambda 时，我们最好在这里使用列表理解。对于大多数人来说，列表推导式具有良好的可读性和直观性。

first_line = max([l for l in first_lines if l < ln])

在这种情况下，我们甚至可以省略括号，因为我们将它直接传递给函数。 Python 将其解释为“生成器表达式”，它类似于列表理解，但会动态计算值，而不是将它们预先存储在列表中。

first_line = max(l for l in first_lines if l < ln)

现在要获取书名，您所要做的就是使用 first_line 作为键：

bibook = first_lines[first_line]

最终结果：

import os
import sys
import re

word_search = raw_input(r'Enter a word to search: ')
book = open("KJV.txt", "r")
first_lines = {36: 'Genesis', 4812: 'Exodus', 8867: 'Leviticus', 11749: 'Numbers'}

for ln, line in enumerate(book):
    if word_search in line:
        first_line = max(l for l in first_lines if l < ln)
        bibook = first_lines[first_line]

        template = "\nLine: {0}\nString: {1}\nBook: {2}\n"
        output = template.format(ln, word_search, bibook)
        print output

Answer 2

只是稍微改变了您的代码版本。

word_search = raw_input(r'Enter a word to search: ')

with open("KJV.txt", "r") as book:
    #using with is always better when messing with files.
    bibook = ''
    for pos, line in enumerate(book):
    #a file object is already an iterable, so i don't think we need readlines.
        if result in line:
        #if result is always in ranges in your question, no need to check other limits.
        #also comparision operators is a lot faster than in.
            if pos < 4809:
                bibook = 'Genesis'
            elif pos < 8859:
                bibook = 'Exodus'
            elif pos < 11741:
                bibook = 'Leviticus'
            else:
                bibook = 'Numbers'
            #you can use string templates, but i think no need for that
            out = "\nLine: {0}\nString: {1}\nBook: {2}".format(
                                            pos, line, book)

            print(out)

编辑：

现在我读了你的示例文件。我认为分离第一个“1:2”部分并用它来学习书籍和行号将是一个更好的选择。

Answer 3

     if ln in range(36, 4809):
        bibook = 'Genesis'
     elif ln in range(4812, 8859):
        bibook = 'Exodus'
     elif ln in range(8867, 11741):
        bibook =  'Leviticus'
     elif ln in range(11749, 15713):
        bibook = 'Numbers'

更好地写成：

#      (start, end, book)
tab = [(36, 4809, 'Genesis'), 
       (4812, 8859, 'Exodus'),
       (8867, 11741, 'Leviticus'),
       (11749, 15713, 'Numbers')]
for start, end, book in tab:
    if start <= ln < end:
        bibook = book
        break

Answer 4

避免 elifs 的一个简单方法是使用循环。使用 start <= ln 来测试数字是否在范围内也更加有效。 stop 而不是使用 - range 返回一个列表，Python 必须比较每个元素。

import os
import sys
import re


word_search = raw_input(r'Enter a word to search: ')
book = open("KJV.txt", "r")
regex = re.compile(word_search)
bibook = ''

bookranges = [
    ((36, 4809),  'Genesis'),
    ((4812, 8859), 'Exodus'),
    ((8867, 11741), 'Leviticus'),
    ((11749, 15713), 'Numbers')
]


for ln, line in enumerate(book.readlines()):
    result = regex.search(line)
    if result:
        for (start, stop), bibook in bookranges:
            if start <= ln <= stop:
                # found the book, so end the loop and use it later
                break
        else:
            # didnt find any range that matches.
            bibook = 'Somewhere between books'

     template = "\nLine: {0}\nString: {1}\nBook: {2}\n"
     output = template.format(ln, result.group(), bibook)
     print output

Answer 5

你可以尝试这样的事情。请注意，这些书是一本接一本地出现的，因此您只需记录您当前正在查看的书。此外，检查行号是否在范围内的方法非常昂贵，因为对于文本文件中的每一行，您构建每个范围，然后进行线性扫描以查看该行是否在号码出现在其中。

books = [("Introduction",36),("Genesis",4809),("Exodus",8859),
         ("Leviticus",11741),("Numbers",15713)]

import os
import sys
import re

word_search = raw_input(r'Enter a word to search: ')
book = open("KJV.txt", "r")
bookIndex = 0
bookEnd = books[bookIndex][1]

for lineNum, line in enumerate(book):
    if lineNum > bookEnd:
        bookIndex += 1
        bookEnd = books[bookIndex][1]
    if word_search in line:
        template = "\nLine: {0}\nString: {1}\nBook: {2}\n"
        output = template.format(lineNum, line, books[bookIndex][0])
        print output

其中一条评论指出，您也许可以采用一种更加数据驱动的方法，而不是对书籍位置进行硬编码。每本书都以可识别格式的一行或多行开头吗？如果是这样，您可以尝试检查并记录您当前正在看的书。