Разобрать по составу слово запись: «Запись» корень слова и разбор по составу

Домашнее задание (ситуация выбора).

• Стр. 166, упр. 4.
• Придумать и записать 10 слов на тему “Зимние забавы”, разобрать их по составу.

Уроку нашему настал конец,
А кто работал —
“Молодец!”.

Анализ текста с помощью Python · vipinajayakumar

Я ненавижу анализировать файлы, но это то, что мне приходилось делать в начале почти каждого проекта. Разбор не простой, и может стать камнем преткновения для новичков. Однако, как только вы освоитесь с разбором файлов, вам больше не придется беспокоиться об этой части проблемы. Вот почему я рекомендую новичкам освоиться с разбором файлов на раннем этапе обучения программированию. Эта статья предназначена для начинающих пользователей Python, которым интересно научиться анализировать текстовые файлы.

В этой статье я познакомлю вас со своей системой разбора файлов. Я кратко коснусь парсинга файлов в стандартных форматах, но хочу сосредоточиться на парсинге сложных текстовых файлов. Что я подразумеваю под комплексом? Что ж, к этому мы еще вернемся, юный падаван.

Для справки: набор слайдов, который я использую для презентации по этой теме, доступен здесь. Весь код и образцы текста, которые я использую, доступны в моем репозитории Github здесь.

Сначала разберемся, в чем проблема. Зачем нам вообще нужно разбирать файлы? В воображаемом мире, где все данные существуют в одном и том же формате, можно было бы ожидать, что все программы будут вводить и выводить эти данные. Не было бы необходимости анализировать файлы. Однако мы живем в мире, где существует большое разнообразие форматов данных. Некоторые форматы данных лучше подходят для разных приложений. Можно ожидать, что отдельная программа будет обслуживать только некоторые из этих форматов данных. Итак, неизбежно возникает необходимость конвертировать данные из одного формата в другой для использования разными программами. Иногда данные даже не в стандартном формате, что немного усложняет задачу.

Итак, что такое синтаксический анализ?

Анализ

Разобрать (строку или текст) на логические синтаксические компоненты.

Мне не нравится приведенное выше определение из Оксфордского словаря. Итак, вот мое альтернативное определение.

Анализ

Преобразование данных определенного формата в более удобный формат.

Имея в виду это определение, мы можем представить, что наш ввод может быть в любом формате. Итак, первый шаг при столкновении с любой проблемой синтаксического анализа — понять формат входных данных. Если повезет, будет документация, описывающая формат данных. Если нет, возможно, вам придется самостоятельно расшифровать формат данных. Это всегда весело.

Как только вы поймете входные данные, следующим шагом будет определение более удобного формата. Ну, это полностью зависит от того, как вы планируете использовать данные. Если программа, в которую вы хотите передать данные, ожидает формат CSV, то это ваш конечный продукт. Для дальнейшего анализа данных я настоятельно рекомендую считать данные в pandas DataFrame .

Если вы аналитик данных Python, то, скорее всего, вы знакомы с pandas. Это пакет Python, который предоставляет DataFrame и другие функции для невероятно мощного анализа данных с минимальными усилиями. Это абстракция поверх Numpy, которая предоставляет многомерные массивы, подобные Matlab. DataFrame — это двумерный массив, но он может иметь несколько индексов строк и столбцов, которые pandas называет MultiIndex , что по существу позволяет хранить многомерные данные. Операции в стиле SQL или базы данных можно легко выполнять с помощью pandas (сравнение с SQL). Pandas также поставляется с набором инструментов ввода-вывода, который включает функции для работы с CSV, MS Excel, JSON, HDF5 и другими форматами данных.

Хотя мы хотели бы считывать данные в многофункциональную структуру данных, такую ​​как pandas DataFrame , было бы очень неэффективно создавать пустой DataFrame и напрямую записывать в него данные. DataFrame — это сложная структура данных, и запись чего-то в DataFrame поэлементно требует больших вычислительных ресурсов. Гораздо быстрее читать данные в примитивный тип данных, такой как list или dict . Как только список или словарь создан, pandas позволяет нам легко преобразовать его в DataFrame , как вы увидите позже. На изображении ниже показан стандартный процесс разбора любого файла.

Если ваши данные имеют стандартный или достаточно близкий формат, то, вероятно, уже существует пакет, который можно использовать для чтения данных с минимальными усилиями.

Допустим, у нас есть файл CSV, data.txt:

 a,b,c
1,2,3
4,5,6
7,8,9
 

Вы легко справитесь с этим с пандами.

 123 

 импортировать панд как pd
df = pd.read_csv('data.txt')
df 

 а б в
0 1 2 3
1 4 5 6
2 7 8 9
 

Python невероятен, когда дело доходит до работы со строками. Стоит усвоить все распространенные строковые операции. Мы можем использовать эти методы для извлечения данных из строки, как вы можете видеть в простом примере ниже.

 1 2 3 4 5 6 7 8 9101112131415161718192021 

 my_string = 'Имена: Ромео, Джульетта'
# разделить строку на ':'
step_0 = my_string.split(':')
# получаем первый фрагмент списка
шаг_1 = шаг_0[1]
# разделить строку на ','
step_2 = step_1.split(',')
# удаляем пробелы в начале и конце каждого элемента списка
step_3 = [name. strip() для имени в step_2]
# делаем все вышеперечисленные операции за один раз
one_go = [name.strip() для имени в my_string.split(':')[1].split(',')]
для idx, элемент в перечислении ([шаг_0, шаг_1, шаг_2, шаг_3]):
    print("Шаг {}: {}".format(idx, элемент))
print("Окончательный результат за один раз: {}".format(one_go)) 

 Шаг 0: ['Имена', 'Ромео, Джульетта']
Шаг 1: Ромео, Джульетта
Шаг 2: ['Ромео', 'Джульетта']
Шаг 3: ['Ромео', 'Джульетта']
Окончательный результат за один раз: ['Ромео', 'Джульетта']
 

Как вы видели в предыдущих двух разделах, если проблема синтаксического анализа проста, мы могли бы просто использовать существующий анализатор или некоторые строковые методы. Однако жизнь не всегда так проста. Как нам разобрать сложный текстовый файл?

Шаг 1. Разберитесь с форматом ввода

 123 

 с файлом open('sample.txt'):
    file_contents = файл. чтение()
    print(file_contents) 

 Образец текста
В викторине приняли участие ученики Ривердейл Хай и Хогвартса.
Ниже приводится запись их результатов.
Школа = Средняя школа Ривердейла
Оценка = 1
Номер студента, имя
0, Фиби
1, Рэйчел
Номер студента, Балл
0, 3
1, 7
Оценка = 2
Номер студента, имя
0, Анджела
1, Тристан
2, Аврора
Номер студента, Балл
0, 6
1, 3
2, 9Школа = Хогвартс
Оценка = 1
Номер студента, имя
0, Джинни
1, Луна
Номер студента, Балл
0, 8
1, 7
Оценка = 2
Номер студента, имя
0, Гарри
1, Гермиона
Номер студента, Балл
0, 5
1, 10
Оценка = 3
Номер студента, имя
0, Фред
1, Джордж
Номер студента, Балл
0, 0
1, 0
 

Довольно сложный входной файл! Фу! Данные, которые он содержит, довольно просты, как вы можете видеть ниже:

 Name Score.
Номер учащегося класса школы
Хогвартс 1 0 Джинни 8
                     1 Луна 7
               2 0 Гарри 5
                     1 Гермиона 10
               3 0 Фред 0
                     1 Джордж 0
Ривердейл Хай 1 0 Фиби 3
                     1 Рэйчел 7
               2 0 Анжела 6
                     1 Тристан 3
                     2 Аврора 9

Образец текста похож на CSV, поскольку в нем используются запятые для разделения некоторой информации. В верхней части файла есть заголовок и некоторые метаданные. Есть пять переменных: школа, класс, номер ученика, имя и балл. Ключами являются школа, класс и номер ученика. Имя и Оценка являются полями. Для данной школы, класса, номера учащегося есть имя и оценка. Другими словами, школа, класс и номер учащегося вместе образуют составной ключ.

Данные представлены в иерархическом формате. Сначала объявляется школа, затем класс. Затем следуют две таблицы, содержащие имя и балл для каждого номера учащегося. Затем увеличивается оценка. Далее следует еще один набор таблиц. Затем картина повторяется для другой школы. Обратите внимание, что количество учащихся в классе или количество классов в школе не являются постоянными, что немного усложняет файл. Это всего лишь небольшой набор данных. Вы можете легко представить, что это массивный файл с множеством школ, классов и учеников.

Само собой разумеется, что формат данных исключительно плохой. Я сделал это намеренно. Если вы понимаете, как с этим обращаться, вам будет намного проще освоить более простые форматы. Нередко встречаются такие файлы, если приходится иметь дело с большим количеством устаревших систем. В прошлом, когда эти системы разрабатывались, возможно, не требовалось, чтобы вывод данных был машиночитаемым. Однако в настоящее время все должно быть машиночитаемым!

Шаг 2: Импортируйте необходимые пакеты

Нам понадобится модуль регулярных выражений и пакет pandas. Итак, давайте продолжим и импортируем их.

 12 

 импорт повторно
import pandas as pd 

Шаг 3: определение регулярных выражений

На последнем шаге мы импортировали re, модуль регулярных выражений. Что это такое?

Ранее мы видели, как использовать строковые методы для извлечения данных из текста. Однако при синтаксическом анализе сложных файлов мы можем столкнуться с большим количеством зачистки, разделения, нарезки и многого другого, и код может выглядеть довольно нечитаемым. Вот тут-то и появляются регулярные выражения. По сути, это крошечный язык, встроенный в Python, который позволяет вам сказать, какой строковый шаблон вы ищете. Кстати, это не уникально для Python (дом на дереве).

Вам не нужно становиться мастером регулярных выражений. Однако некоторые базовые знания о регулярных выражениях могут оказаться очень полезными в вашей карьере программиста. В этой статье я научу вас только самым основам, но я призываю вас продолжить изучение. Я также рекомендую regexper для визуализации регулярных выражений. regex101 — еще один отличный ресурс для тестирования вашего регулярного выражения.

Нам понадобятся три регулярных выражения. Первый, как показано ниже, поможет нам идентифицировать школу. Его регулярное выражение равно Школа = (.*)\n . Что означают символы?

• . : Любой символ
• * : 0 или более предыдущего выражения
• (.*) : Помещение части регулярного выражения в круглые скобки позволяет сгруппировать эту часть выражения. Итак, в данном случае сгруппированная часть — это название школы.
• \n : Символ новой строки в конце строки

Затем нам нужно регулярное выражение для оценки. Его регулярное выражение равно Оценка = (\d+)\n . Это очень похоже на предыдущее выражение. Новые символы:

• \d : сокращение от [0-9]
.
• + : 1 или более предыдущих выражений

Наконец, нам нужно регулярное выражение, чтобы определить, является ли таблица, которая следует за выражением в текстовом файле, таблицей имен или рейтингов. Его регулярное выражение: (Name|Score) . Новый символ:

• | : Логическое или утверждение, поэтому в данном случае это означает «Имя» или «Оценка».

Нам также необходимо понять несколько функций регулярных выражений:

• re.compile(pattern) : скомпилировать шаблон регулярного выражения в RegexObject.

RegexObject имеет следующие методы:

• match(string) : если начало строки совпадает с регулярным выражением, вернуть соответствующий экземпляр MatchObject . В противном случае вернуть Нет .
• search(string) : Просканировать строку в поисках места, где это регулярное выражение произвело совпадение, и вернуть соответствующий экземпляр MatchObject . Возвращает None , если совпадений нет.

MatchObject всегда имеет логическое значение True . Таким образом, мы можем просто использовать оператор if для выявления положительных совпадений. Он имеет следующий метод:

• group() : Возвращает одну или несколько подгрупп совпадения. На группы можно ссылаться по их индексу. group(0) возвращает полное совпадение. group(1) возвращает первую подгруппу в скобках и так далее. Используемые нами регулярные выражения имеют только одну группу. Легкий! Однако что, если групп было несколько? Было бы трудно запомнить, к какому номеру принадлежит группа. Специальное расширение Python позволяет нам называть группы и ссылаться на них по имени. Мы можем указать имя внутри группы в скобках (...) вот так: (?P<имя>...) .

Сначала определим все регулярные выражения. Обязательно используйте необработанные строки для регулярного выражения, т. е. используйте индекс r перед каждым шаблоном.

 1234567 

 # настроить регулярные выражения
# используйте https://regexper.com, чтобы визуализировать их, если это необходимо
rx_dict = {
    'школа': re.compile(r'School = (?P.*)\n'),
    'оценка': re.compile(r'Grade = (?P\d+)\n'),
    'name_score': re.compile(r'(?PName|Score)'),
} 

Шаг 4: Напишите синтаксический анализатор строк

Затем мы можем определить функцию, которая проверяет соответствие регулярным выражениям.

 1 2 3 4 5 6 7 8 910111213 

 по определению _parse_line (строка):
    """
    Выполните поиск регулярных выражений по всем определенным регулярным выражениям и
    вернуть ключ и результат сопоставления первого совпадающего регулярного выражения
    """
    для ключа, rx в rx_dict.items():
        совпадение = rx.search(строка)
        если совпадают:
            ключ возврата, совпадение
    # если совпадений нет
    возврат Нет, Нет 

Шаг 5: Напишите синтаксический анализатор файлов

Наконец, для основного события у нас есть функция синтаксического анализа файлов. Он довольно большой, но комментарии в коде должны помочь вам понять логику.

 def parse_file (путь к файлу):
    """
    Разобрать текст по указанному пути к файлу
    Параметры
    ----------
    путь к файлу: ул
        Путь к файлу для file_object для анализа
    Возвращает
    -------
    данные: pd. DataFrame
        Проанализированные данные
    """
    data = [] # создаем пустой список для сбора данных
    # открываем файл и читаем его построчно
    с открытым (путь к файлу, 'r') как файл_объект:
        строка = файл_объект.readline()
        пока строка:
            # в каждой строке проверяем совпадение с регулярным выражением
            ключ, совпадение = _parse_line (строка)
            # извлечь название школы
            если ключ == 'школа':
                школа = match.group('школа')
            # степень извлечения
            если ключ == 'оценка':
                оценка = match.group('оценка')
                класс = инт (класс)
            # идентифицируем заголовок таблицы
            если ключ == 'name_score':
                # извлечь тип таблицы, т. е. имя или счет
                value_type = match.group('name_score')
                строка = файл_объект.readline()
                # читать каждую строку таблицы до пустой строки
                в то время как line. strip():
                    # извлечь число и значение
                    число, значение = line.strip().split(',')
                    значение = значение.strip()
                    # создать словарь, содержащий эту строку данных
                    строка = {
                        «Школа»: школа,
                        «Оценка»: оценка,
                        «Номер студента»: номер,
                        тип_значения: значение
                    }
                    # добавляем словарь в список данных
                    data.append(строка)
                    строка = файл_объект.readline()
            строка = файл_объект.readline()
        # создать pandas DataFrame из списка диктов
        данные = pd.DataFrame(данные)
        # установить номер школы, класса и ученика в качестве индекса
        data.set_index(['Школа', 'Оценка', 'Номер ученика'], inplace=True)
        # объединить df, чтобы удалить nans
        данные = данные.группа(уровень=данные.индекс.имена).первый()
        # обновить Score с float до integer
        data = data. apply(pd.to_numeric, errors='игнорировать')
    вернуть данные 

Шаг 6: Проверка синтаксического анализатора

Мы можем использовать наш синтаксический анализатор для нашего образца текста следующим образом:

 1234 

, если __name__ == '__main__':
    путь к файлу = 'sample.txt'
    данные = разбор (путь к файлу)
    печать(данные) 

 Имя Оценка
Номер учащегося класса школы
Хогвартс 1 0 Джинни 8
                     1 Луна 7
               2 0 Гарри 5
                     1 Гермиона 10
               3 0 Фред 0
                     1 Джордж 0
Ривердейл Хай 1 0 Фиби 3
                     1 Рэйчел 7
               2 0 Анжела 6
                     1 Тристан 3
                     2 Аврора 9

Это все хорошо, и вы можете увидеть, сравнив ввод и вывод на глаз, что парсер работает правильно. Тем не менее, лучше всего всегда писать юнит-тесты, чтобы убедиться, что ваш код делает то, что вы хотели. Всякий раз, когда вы пишете синтаксический анализатор, убедитесь, что он хорошо протестирован. У меня возникли проблемы с моими коллегами из-за использования парсеров без тестирования. Эй! Также стоит отметить, что это не обязательно должен быть последний шаг. Действительно, многие программисты проповедуют разработку через тестирование. Я не включил сюда набор тестов, так как хотел, чтобы это руководство было кратким.

Я разбирал текстовые файлы в течение года и со временем усовершенствовал свой метод. Тем не менее, я провел дополнительное исследование, чтобы выяснить, есть ли лучшее решение. Действительно, я должен поблагодарить различных членов сообщества, которые посоветовали мне оптимизировать мой код. Сообщество также предложило несколько различных способов разбора текстового файла. Некоторые из них были умными и захватывающими. Мой личный фаворит был этот. Я представил свой пример проблемы и решения на следующих форумах:

1. Сообщение Reddit
2. Пост переполнения стека
3. Сообщение о проверке кода

Если ваша проблема еще более сложна и регулярные выражения не решают ее, то следующим шагом будет рассмотрение разбора библиотек. Вот несколько мест, с которых можно начать:

1. Анализ ужасных вещей с помощью Python: Лекция Эрика Роуза о PyCon, в которой рассматриваются плюсы и минусы различных библиотек синтаксического анализа.
2. Синтаксический анализ в Python: инструменты и библиотеки: Инструменты и библиотеки, позволяющие создавать парсеры, когда регулярных выражений недостаточно.

Теперь, когда вы понимаете, насколько сложным и утомительным может быть анализ текстовых файлов, если вы когда-нибудь окажетесь в привилегированном положении при выборе формата файла, выбирайте его с осторожностью. Вот лучшие практики Стэнфорда для форматов файлов.

Я бы солгал, если бы сказал, что был в восторге от моего метода синтаксического анализа, но я не знаю другого способа быстрого анализа текстового файла, который так же удобен для новичков, как тот, что я представил выше. Если вы знаете лучшее решение, я весь внимание! Надеюсь, я дал вам хорошую отправную точку для разбора файла в Python! Я провел пару месяцев, пробуя множество разных методов и написав какой-то безумно нечитаемый код, прежде чем наконец понял это, и теперь я не думаю дважды о разборе файла. Итак, я надеюсь, что смог сэкономить вам немного времени. Получайте удовольствие от разбора текста с помощью Python!

Анализ текста с помощью PowerShell (1/3)

Стив Ли

18 января 2019 г. 2 1

Это первый пост в серии из трех частей.

• Часть 1 :
  • Полезные методы класса String
  • Введение в регулярные выражения
  • Командлет Select-String
• Часть 2:
  • Оператор -split
  • Оператор -match
  • Оператор switch
  • Класс регулярных выражений
• Часть 3:
  • Реальный мир, полный и немного увеличенный, пример синтаксического анализатора на основе коммутатора

В моем рабочем процессе регулярно возникает задача анализа текста. Это может быть получение маркера из одной строки текста или преобразование текстового вывода собственных инструментов в структурированные объекты, чтобы я мог использовать возможности PowerShell.

Я всегда стремлюсь создать структуру как можно раньше в конвейере, чтобы позже я мог рассуждать о содержимом как о свойствах объектов, а не как тексте по некоторому смещению в строке. Это также помогает при сортировке, поскольку свойства могут иметь правильный тип, поэтому числа, даты и т. д. сортируются как таковые, а не как текст.

Пользователю PowerShell доступно несколько вариантов, и здесь я привожу обзор наиболее распространенных из них.

Это не текст о том, как создать высокопроизводительный синтаксический анализатор для языка со структурированной грамматикой EBNF. Для этого есть инструменты получше, например ANTLR.

Методы .Net для строки

class

Любое рассмотрение синтаксического анализа строки в PowerShell было бы неполным, если бы в нем не упоминались методы для строка класс. Есть несколько методов, которые я использую чаще других при разборе строк:

Имя	Описание
Подстрока (int startIndex)	Извлекает подстроку из этого экземпляра. Подстрока начинается с указанной позиции символа и продолжается до конца строки.
Подстрока (int startIndex, int length)	Извлекает подстроку из этого экземпляра. Подстрока начинается с указанной позиции символа и имеет указанную длину.
IndexOf(строковое значение)	Сообщает отсчитываемый от нуля индекс первого вхождения указанной строки в данном экземпляре.
IndexOf(строковое значение, int startIndex)	Сообщает отсчитываемый от нуля индекс первого вхождения указанной строки в данном экземпляре. Поиск начинается с указанной позиции символа.
LastIndexOf(строковое значение)	Сообщает отсчитываемый от нуля индекс последнего вхождения указанной строки в данном экземпляре. Часто используется вместе с Подстрока .
LastIndexOf (строковое значение, int startIndex)	Сообщает отсчитываемую от нуля позицию индекса последнего вхождения указанной строки в этом экземпляре. Поиск начинается с указанной позиции символа и продолжается в обратном направлении к началу строки.

Это небольшая часть доступных функций. Возможно, вам стоит потратить время на изучение класса string, так как он очень важен в PowerShell. Документы находятся здесь.

Например, это может быть полезно, когда у нас есть очень большие входные данные, разделенные запятыми, с 15 столбцами, и нас интересует только третий столбец с конца. Если бы мы использовали оператор -split ',' , мы бы создали 15 новых строк и массив для каждой строки. С другой стороны, использование LastIndexOf во входной строке несколько раз, а затем SubString для получения интересующего значения происходит быстрее и приводит только к одной новой строке.

 функция parseThirdFromEnd([string]$line){
    $i = $line.LastIndexOf(",") # получить последний разделитель
    $i = $line.LastIndexOf(",", $i - 1) # получаем предпоследний разделитель, а также конец интересующего нас столбца
    $j = $line. LastIndexOf(",", $i - 1) # получаем разделитель перед нужным столбцом
    $j++ # далее вперед после разделителя
    $line.SubString($j,$i-$j) # получаем текст искомого столбца
} 

В этом примере я игнорирую тот факт, что IndexOf и LastIndexOf возвращают -1, если они не могут найти текст для поиска. Из опыта я также знаю, что легко испортить арифметику индекса. Таким образом, хотя использование этих методов может повысить производительность, они также более подвержены ошибкам и требуют гораздо больше ввода. Я бы прибегал к этому только тогда, когда знаю, что входные данные очень велики, а производительность является проблемой. Так что это не рекомендация и не отправная точка, а то, к чему можно прибегнуть.

В редких случаях я пишу весь синтаксический анализатор на C#. Примером этого является модуль, обертывающий систему контроля версий Perforce, где инструмент командной строки может выводить словари Python. Это двоичный формат, и вариант использования был достаточно сложным, поэтому мне было удобнее использовать язык реализации, проверяемый компилятором.

Регулярные выражения

Почти все параметры синтаксического анализа в PowerShell используют регулярные выражения, поэтому я начну с краткого введения некоторых концепций регулярных выражений, которые будут использоваться позже в этих сообщениях.

Регулярные выражения очень полезно знать при написании простых синтаксических анализаторов, поскольку они позволяют нам выражать интересующие шаблоны и захватывать текст, соответствующий этим шаблонам.

Это очень богатый язык, но вы можете продвинуться довольно далеко, изучив несколько ключевых частей. Я считаю, что сайт Regular-expressions.info является хорошим онлайн-ресурсом для получения дополнительной информации. Он не написан непосредственно для реализации регулярного выражения .net, но большая часть информации действительна для разных реализаций.

Регулярное выражение	Описание
*	Ноль или более предшествующих символов. a* соответствует пустой строке, a , aa и т. д., но не b .
+	Один или несколько предшествующих символов. a+ соответствует a , aa и т. д., но не пустой строке или b .
.	Соответствует любому символу
[акс1]	Любой из a , x , 1
	соответствует любому из a , b , c , d
\ш	Метасимвол \w используется для поиска символа слова. Словесный символ — это символ от az, AZ, 0-9., включая символ _ (подчеркивание). Он также соответствует вариантам таких символов, как ??? и ??? .
\Вт	Инверсия \w . Соответствует любому символу, не являющемуся словом
\с	Метасимвол \s используется для поиска пробела
\С	Инверсия \s . Соответствует любому непробельному символу
\д	Совпадает с цифрами
\D	Инверсия \d . Соответствует не цифрам
\б	Соответствует границе слова, то есть положению между словом и пробелом.
\Б	Инверсия \b . . er\B соответствует er в глаголе , но не # начало строки \s+ # один или несколько пробелов (\d+) # захватить одну или несколько цифр в первой группе (индекс 1) , # запятая (.+) # захватить один или несколько символов любого типа во второй группе (индекс 2) Именование групп регулярных выражений создать группу захвата с назначенным именем. Приведенное выше регулярное выражение можно переписать следующим образом, что позволит нам обращаться к группам захвата по имени, а не по индексу. 9\s+(?\d+),(?.+) Различные языки имеют специфичные для реализации решения для доступа к значениям захваченных групп. Позже в этой серии мы увидим, как это делается в PowerShell. Командлет Select-String Команда Select-String — это рабочая лошадка, и она очень эффективна, если вы понимаете, какие выходные данные она производит. Я использую его в основном при поиске текста в файлах, но иногда и при поиске чего-то в выводе команд и т.п. Ключом к эффективной работе с Select-String является знание того, как получить совпадающие шаблоны на выходе. Внутри он использует тот же класс regex , что и операторы -match и -split , но вместо заполнения глобальной переменной результирующими группами, как это делает -match , он записывает объект в конвейер со свойством Matches , которое содержит результаты совпадения. Set-Content twitterData.txt -значение @" Ли, Стив-@Steve_MSFT, 29 лет-]+)-(\d+) (@\w+)" | Foreach-Object { $first, $last, $followers, $handle = $_.Matches[0].Groups[1..4].Value # это распространенный способ получения групп вызова select-string [PSCustomObject] @{ Имя = $ первое Фамилия = $последняя Ручка = $ ручка TwitterFollowers = [число] $followers } } Имя Фамилия Дескриптор TwitterFollowers --------- -------- ------ ---------------- Ли Холмс @Lee_Holmes 13000 Стаффан Густафссон @StaffanGson 463 Поддержка нескольких шаблонов Как мы видим выше, только половина данных соответствует шаблону Select-String . Метод, который я считаю полезным, заключается в использовании того факта, что Select-String поддерживает использование нескольких шаблонов. Строки входных данных в twitterData.txt содержат один и тот же тип информации, но они немного по-разному отформатированы. Использование нескольких шаблонов в сочетании с именованными группами захвата упрощает извлечение групп, даже если позиции групп различаются. 9,]+),(?<последователи>\d+)" Get-ChildItem twitterData.txt | Select-String -Pattern $firstLastPattern, $lastFirstPattern | Foreach-Object { # здесь мы обращаемся к группам по имени, а не по индексу $first, $last, $followers, $handle = $_.Matches[0].Groups['first', 'last', 'followers', 'handle'].Value [PSCustomObject] @{ Имя = $ первое Фамилия = $последняя Ручка = $ ручка TwitterFollowers = [число] $followers } } Имя Фамилия Дескриптор TwitterFollowers --------- -------- ------ ---------------- Стив Ли @Steve_MSFT 2992 Ли Холмс @Lee_Holmes 13000 Стаффан Густафссон @StaffanGson 463 Джоуи Триббиани @Matt_LeBlanc 463400 Разбивка $firstLastPattern дает нам (?x) # это регулярное выражение игнорирует пробелы в шаблоне. -]+) # захватить один или несколько любых символов, кроме `-`, в группу с именем 'last' - # а '-' (?\d+) # захватить 1 или более цифр в группу под названием "followers" \s # пробел (?@.+) # захватить '@', за которым следует один или несколько символов, в группу с именем 'handle' Второе регулярное выражение аналогично, но с группами в другом порядке. Но поскольку мы извлекаем группы по имени, нам не нужно заботиться о позициях групп захвата, и множественное присваивание работает нормально. Контекст вокруг совпадений Select-String также имеет параметр Context , который принимает массив из одного или двух чисел, указывающих количество строк до и после совпадения, которые должны быть захвачены. Все методы анализа текста в этом посте можно использовать для анализа информации из строк контекста. Объект результата имеет Context , которое возвращает объект со свойствами PreContext и PostContext , оба типа string[] . Это можно использовать для получения второй строки перед совпадением: # с использованием свойства контекста Get-ChildItem twitterData.txt | Select-String -Pattern "Staffan" -Context 2,1 | Foreach-Object { $_.Context.PreContext[1], $_.Context.PostContext[0] } Ли Холмс-13000 @Lee_Holmes Триббиани, Джои-@Matt_LeBlanc, 463400 Чтобы понять, как индексируются массивы Pre- и PostContext, рассмотрите следующее: Lee, Steve-@Steve_MSFT,2992 <- PreContext[0] Ли Холмс-13000 @Lee_Holmes <- PreContext[1] Staffan Gustafsson-463 @StaffanGson <- Шаблон соответствует этой строке Триббиани, Джои-@Matt_LeBlanc,463400 <- PostContext[0] Конвейерная поддержка Select-String отличает его от других инструментов синтаксического анализа, доступных в PowerShell, и делает его бесспорным королем однострочников. Я хотел бы подчеркнуть, насколько полезнее становится Select-String , когда вы понимаете, как добраться до частей совпадений. Добавить комментарий Отменить ответ Ваш адрес email не будет опубликован. Обязательные поля помечены * Comment * Name * Email * Website Save my name, email, and website in this browser for the next time I comment