Python 3.6.1 |正则表达式搜索具有特殊字符的文件

Question

我打算做什么？

要在 Windows 文件系统上的一组文件中搜索 alphabetic 字符串列表(大约 25K 个不同大小和扩展名的主要是纯文本文件，最大文件不超过几 MB尺寸)

我做了什么来实现这个目标？

for each_file in files:
    file_read_handle = open(each_file,"rb")
    file_read_handle.seek(0) #ensure you're at the start of the file
    first_char = file_read_handle.read(1) #get the first character
    if first_char:
        file_read_content_mappd = mmap.mmap(file_read_handle.fileno(), 0, access=mmap.ACCESS_READ)
        if re.search(br'(?i)T_0008X_WEB', file_read_content_mappd):
            file_write_content = ('Text T_0008X_WEB found in {}'.format(each_file))
            file_write_handle.write(file_write_content)     
            file_write_handle.write("\n")
file_write_handle.close()

对于以二进制模式打开的文件中的硬编码文本搜索(参见行 T_0008X_WEB)，这段代码工作得很好 ("rb ") 以避免 UnicodeDecodeError: 'charmap' codec can't decode byte 0x9d in position 776: character maps to undefined 错误。

但是，当尝试通过用这样的变量替换硬编码值来搜索值列表时-if re.search('br\' (?i)' + regex_search_str_byte + '\'', file_read_content_mappd):, 一直面临以下问题-

1. 使用时:re.search('br\'(?i)' + regex_search_str + '\'', file_read_content_mappd): 得到错误:文件是二进制格式和搜索文本是字符串类型
2. 使用时:re.search(regex_search_str_byte, file_read_content_mappd): 遇到问题:找不到匹配项，因为即使是正则表达式字符 br'(?i) 也被认为是字节转换搜索文本的一部分

请求有关如何执行字节转换文本正则表达式搜索值列表、二进制模式打开文件读取的指导？

Answer 1

使用

re.search(regex_search_str_byte, file_read_content_mappd, flags=re.I)

re.I 标志可以作为参数传递给 re.search 方法。 br 前缀不是必需的，因为它们用于修改字符串文字，而您使用的是变量。