从文件中提取信息

Question

我想要使用Python 3.4提取某个系统的IP地址，我在一个文件中有大约40,000行信息​​。该文件分成每个以“lease”开始并以“}”结尾的块。我想搜索“SYSTEM123456789”并提取IP地址“10.0.0.2”。我该如何去做，那么首选的方法是什么？

1）读入文件，将它们分解到列表中，然后搜索？
2）复制文件，然后在该文件中搜索？

lease 10.0.0.1 { 
    starts 1 2015/06/29 07:22:01; 
    ends 2 2015/06/30 07:22:01; 
    tstp 2 2015/06/30 07:22:01; 
    cltt 1 2015/06/29 07:22:01; 
    binding state active; 
    next binding state free; 
    hardware ethernet 08:2e:5f:f0:8b:a1; 
} 
lease 10.0.0.2{ 
    starts 1 2015/06/29 07:31:20; 
    ends 2 2015/06/30 07:31:20; 
    tstp 2 2015/06/30 07:31:20; 
    cltt 1 2015/06/29 07:31:20; 
    binding state active; 
    next binding state free; 
    hardware ethernet ec:b1:d7:87:6f:7a; 
    uid "\001\354\261\327\207oz"; 
    client-hostname "SYSTEM123456789"; 
} 

Answer 1

你可以组使用租赁作为分隔符与GROUPBY的部分：

from itertools import groupby 

def find_ip(s, f): 
    with open(f) as f: 
     grouped = groupby(f, key=lambda x: x.startswith("lease ")) 
     for k, v in grouped: 
      if k: # v is the lease line 
       # get ip from lease line 
       ip = next(v).rstrip().split()[1] 
       # call next to get next element from our groupby object 
       # which is each section after lease 
       val = list(next(grouped)[1])[-2] 
       # check for substring 
       if val.find(s) != -1: 
        return ip.rstrip("{") 
    return "No match" 

使用输入文件：

In [5]: find_ip('"SYSTEM123456789"',"in.txt") 
Out[5]: '10.0.0.2' 

x.startswith("lease ")为重点，以GROUPBY将文件分割成段，if k是真的，我们与lease一致，所以我们提取ip然后检查租赁部分的第二行，如果我们发现子串然后返回IP。

的文件被分成行的部分看起来像如下：

[' starts 1 2015/06/29 07:22:01;\r\n', ' ends 2 2015/06/30 07:22:01;\r\n', ' tstp 2 2015/06/30 07:22:01;\r\n', ' cltt 1 2015/06/29 07:22:01;\r\n', ' binding state active; \r\n', ' next binding state free;\r\n', ' hardware ethernet 08:2e:5f:f0:8b:a1;\r\n', '}\r\n'] 
[' starts 1 2015/06/29 07:31:20;\r\n', ' ends 2 2015/06/30 07:31:20;\r\n', ' tstp 2 2015/06/30 07:31:20;\r\n', ' cltt 1 2015/06/29 07:31:20;\r\n', ' binding state active; \r\n', ' next binding state free;\r\n', ' hardware ethernet ec:b1:d7:87:6f:7a;\r\n', ' uid "\\001\\354\\261\\327\\207oz";\r\n', ' client-hostname "SYSTEM123456789";\r\n', '}'] 

你可以看到第二个最后一个元素是client-hostname所以我们每次提取时间和搜索字符串。

如果字符串可以出现在任何地方，你可以使用任何与检查各行：

def find_ip(s, f): 
    with open(f) as f: 
     grouped = groupby(f, key=lambda x: x.startswith("lease ")) 
     for k, v in grouped: 
      if k: # v is the lease line 
       # get ip from lease line 
       ip = next(v).rstrip().split()[1] 
       # call next to get next element from our groupby object 
       # which is each section after lease 
       val = next(grouped)[1] 
       # check for substring 
       if any(sub.find(s) != -1 for sub in val): 
        return ip.rstrip("{") 
    return "No match" 

您可以应用同样的逻辑只是遍历文件对象与外的内环，当你发现一个行以“lease”开头的内容开始内部循环，直到找到子字符串并返回ip或打开}表示该部分结束时打破内部循环。

def find_ip(s, f): 
    with open(f) as f: 
     for line in f: 
      if line.startswith("lease "): 
       ip = line.rstrip().split()[1] 
       for n_line in f: 
        if n_line.find(s) != -1: 
         return ip.rstrip("{") 
        if n_line.startswith("}"): 
         break 
    return "No match" 

输出：

In [9]: find_ip('"SYSTEM123456789"',"in.txt") 
Out[9]: '10.0.0.2' 

既不方法涉及在任一个时刻在存储器中存储的行多于一个的部分。

Answer 2

走了@Ijk提到的，我想出了这个。

import re 

find_ip = False 

with open(f) as f: 
    for line in f: 
     mat = re.match(r'lease ([0-9]*.[0-9]*.[0-9]*.[0-9]*).*', line, re.M) 
     if mat: 
      ip = mat.group(1) 
     mat = re.match(r'.* ("SYSTEM123456789").*', line, re.M) 
     if mat: 
      print(ip) 

OP问一个优先的方法，这是我的，虽然我不是最好的正则表达式。不过，我认为这正是OP在寻找的。

我改变了正则表达式的IP地址，以便它可以找到随机IP的，只有当它发现系统名称