Python：通过几个文件进行字符串比较，但只找到了很多可能的最后一个

Question

我在Python中很新。我有两种文件进行比较。

第一类型的输出 - dict.txt - 是：

1_A 
2_B 
3_C 

第二类型的输出 - 1_1h.txt - 是：

K 
P 
A 
B 
C 
E 

我试图做一个通过与正则表达式隔离dict.txt中的字母来比较（稍后，我还将使用该字母旁边的数字来了解文件中字母本身的位置/行），并将该字母与字母中的字母进行比较每个1_1h.txt文件类型。

但我有一个问题：它无法识别所有匹配的表达式，但只有一个....为什么？ 在这个例子中有2场比赛： 'K' 和 'C'，但输出显示只是 'C' 和许多空间... 这里是我的代码：

import os 
import re 
import fileinput 

dict_file = open("C:\\Users\\KP\\Desktop\\test\\dict.txt", "r") 
dictionary = dict_file.read().split('\n') 
#print lines 
#print len(lines) 
dict_file.close() 


for file in os.listdir('C:\\Users\\KP\\Desktop\\test'): 
    if file == '1_1h.txt':   
     open(file) 

     for w in dictionary: 
      regex = re.compile('(\d)_(.*)') 
      res = regex.search(w) 
      if res: 
       nb_w = int(res.group(1)) 
       content_w = str(res.group(2)) 

      for line in fileinput.input(["1_1h.txt"]): 
       print(content_w+"-->"+line) 
       if str(line) == str(content_w): 
        print('match '+line) 

输出：

runfile('C:/Users/KP/Desktop/test/testlocale.py', wdir='C:/Users/KP/Desktop/test') 
F-->K 

F-->J 

F-->C 
K-->K 

K-->J 

K-->C 
C-->K 

C-->J 

C-->C 
match C 

Answer 1

search只返回一个匹配。

使用findall代替search：

res = re.findall('(\d)_(.*)', w) 

从文档：

Return all non-overlapping matches of pattern in string, as a list of strings. The string is scanned left-to-right, and matches are returned in the order found. If one or more groups are present in the pattern, return a list of groups; this will be a list of tuples if the pattern has more than one group. Empty matches are included in the result unless they touch the beginning of another match.

import os 
import re 
import fileinput 

dict_file = open("C:\\Users\\KP\\Desktop\\test\\dict.txt", "r") 
dictionary = dict_file.read().split('\n') 
#print lines 
#print len(lines) 
dict_file.close() 

for file in os.listdir('C:\\Users\\KP\\Desktop\\test'): 
    if file == '1_1h.txt':   
     open(file) 

     for w in dictionary: 
      for nb_w, content_w in re.findall('(\d)_(.*)', w): 
       for line in fileinput.input(["1_1h.txt"]): 
        print(str(content_w)+"-->"+line) 
        if str(line) == str(content_w): 
         print('match '+line) 

Answer 2

找出错误：它可以被发现在阅读

file = '1_1h.txt' 

其产量不是简单地解读为：

K 
P 
A 
B 
C 
E 

但是 - 我不知道为什么 - 它被解读为：

K 

P 

A 

B 

C 

E 

出于这个原因，即使我在我的字典文件有例如ABC我能够认识到不仅仅是C在我的文件1_1h.txt匹配词，因为它是没有“\ n”

唯一一个终于我的代码：

import os 
import re 
import fileinput 
import numpy as np 

matrix = np.zeros(shape=(10,10)) 


dict_file = open("C:\\Users\\KP\\Desktop\\test\\dict.txt", "r") 
dictionary = dict_file.read().split('\n') 
dict_file.close() 


for file in os.listdir('C:\\Users\\KP\\Desktop\\test'): 
    if file == '1_1h.txt': 
     regex = re.compile('(\d)_(.*)') 
     res = regex.search(file) 
     if res: 
      nb_file = int(res.group(1))-1 

     filename = file 
     #if os.path.isfile(file): 
     open(file) 
     for line in fileinput.input([filename]): 
      line = line.replace("\n", "") 
      for w in dictionary: 
       test = w.split('_',1)    
       if line == test[1]: 
        print nb_file      
        print test[0] 
        print str(line)+" "+test[1] 
        print '####' 
        matrix[nb_file,test[0]] = 1 


print matrix 

输出：

runfile('C:/Users/KP/Desktop/test/test4loop.py', wdir='C:/Users/KP/Desktop/test') 
0 
1 
A A 
#### 
0 
2 
B B 
#### 
0 
3 
C C 
#### 
[[ 0. 1. 1. 1. 0. 0. 0. 0. 0. 0.] 
[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] 
[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] 
[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] 
[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] 
[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] 
[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] 
[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] 
[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] 
[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]