使用正则表达式修改TXT文件行的问题及脚本优化需求

核心优化内容 #

• 扩展过滤规则，删除包含CPU关键词的行
• 修复行首冗余前缀清理问题（替代无效的lstrip方法）

待处理TXT示例 #

[K --More-- [K2024-05-20 10:00:00 系统启动
[K --More-- [KCPU使用率：75%
[K --More-- [K------------------------
[K --More-- [K用户登录成功

[K --More-- [K内存占用：40%

优化后完整代码 #

import re

def clean_txt(input_path, output_path):
    # 匹配行首的冗余前缀：[K开头 + --More-- + 任意空白 + [K
    prefix_pattern = re.compile(r'^\[K --More--\s+\[K')
    # 匹配纯连字符行
    hyphen_pattern = re.compile(r'^-+$')
    # 匹配日期行（YYYY-MM-DD HH:MM:SS格式）
    date_pattern = re.compile(r'^\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}')

    with open(input_path, 'r', encoding='utf-8') as f:
        lines = f.readlines()
    
    cleaned_lines = []
    for line in lines:
        # 先移除换行符
        line = line.rstrip('\n')
        # 清理行首冗余前缀
        line = prefix_pattern.sub('', line)
        stripped_line = line.strip()
        
        # 跳过空行、纯连字符行、日期行、含CPU的行
        if not stripped_line:
            continue
        if hyphen_pattern.match(stripped_line):
            continue
        if date_pattern.match(stripped_line):
            continue
        if 'CPU' in stripped_line:
            continue
        
        cleaned_lines.append(stripped_line)
    
    with open(output_path, 'w', encoding='utf-8') as f:
        f.write('\n'.join(cleaned_lines))

if __name__ == '__main__':
    clean_txt('input.txt', 'output.txt')

关键优化说明 #

1. 行首前缀修复：
   之前lstrip("[K")无效是因为它仅移除开头的单个[或K字符，无法匹配完整前缀。改用正则^\[K --More--\s+\[K精准匹配行首冗余内容，通过sub方法彻底替换为空。

2. CPU行过滤：
   直接判断处理后的行是否包含CPU关键词，简单高效；若需整词匹配（避免误匹配类似CPUID的字符串），可改用正则r'\bCPU\b'。

3. 原有逻辑保留：
   保留了空行、纯连字符行、日期行的过滤逻辑，确保原有功能不受影响。

测试输出结果 #

用户登录成功
内存占用：40%

内容的提问来源于stack exchange，提问作者Martin Barbieri