如何使用正则表达式在文件中匹配查找指定关键词内容？

原方案存在的问题 #

• 正则规则缺陷
  • 未匹配方括号闭合标记]，匹配范围会溢出到方括号外
  • .+为贪婪匹配，同一行存在多组[]时会跨标签匹配
  • 仅支持murder在murderAttempted之前的顺序，反向顺序无法匹配
  • 未限制匹配范围完全在方括号内部
• 代码逻辑缺陷
  • 缺少re、os依赖模块导入
  • 函数体内代码缩进错误
  • 文件路径直接拼接，根目录无末尾分隔符时会出现路径错误
  • 文件打开后未主动关闭，可能出现资源泄漏
  • 仅判断文件名包含txt，会误判xxx.txt1、xxxTxt这类不符合要求的文件

修正后代码 #

import os
import re

def func(root_dir):
    # 正则规则：方括号内同时包含两个关键词，不限制顺序，不跨方括号匹配
    pattern = r'\[(?=[^\]]*murder)(?=[^\]]*murderAttempted)[^\]]+\]'
    for file in os.listdir(root_dir):
        # 仅匹配后缀为.txt的文件
        if file.endswith('.txt'):
            file_path = os.path.join(root_dir, file)
            # 用with语法自动管理文件句柄
            with open(file_path, 'rt', encoding='UTF8') as f:
                for line in f:
                    for match in re.finditer(pattern, line):
                        print(match.group())

核心正则说明 #

• \[ 匹配方括号起始符
• (?=[^\]]*murder) 正向预查：确认当前方括号内存在murder关键词，[^\]]*限定查找范围不超出当前方括号
• (?=[^\]]*murderAttempted) 正向预查：确认当前方括号内存在murderAttempted关键词，两个预查组合不限制关键词的先后顺序
• [^\]]+ 匹配方括号内的所有内容
• \] 匹配方括号结束符

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