使用Python与正则对比Excel文件并匹配ID关联IP的技术问询

嘿，咱们一步步来解决你的问题～首先我注意到你说的是两个Excel文件，但你提供的代码是处理TXT的，而且原代码没有把第二个文件里的ID和对应的IP关联起来，这正是需求的核心。我来给你梳理正确的实现方式，再聊聊后续可以拓展的方向。

一、正确的Excel文件匹配实现 #

处理Excel文件最省心的工具是pandas，它能轻松读取Excel、做关联匹配，比用正则解析文本靠谱得多（毕竟Excel有自己的格式，正则很容易因为单元格换行、格式混乱出错）。

步骤说明 #

• 读取两个Excel文件，提取需要的列（第一个文件取ID列，第二个文件取ID和IP列）
• 用**内连接（inner join）**匹配两个文件中相同的ID，只保留匹配成功的记录
• 拼接成你需要的「第一个文件ID + 第二个文件ID + IP」格式（其实两个ID是相同的，按你的要求保留重复即可）
• 输出结果（可以直接打印，也能保存为新的Excel文件）

完整代码示例 #

import pandas as pd

# 读取Excel文件，注意替换成你实际的文件名和列名
# 假设第一个文件的ID列名为"ID"，第二个文件的ID列是"ID"、IP列是"IP"
df_small = pd.read_excel("少量ID文件.xlsx", usecols=["ID"])
df_large = pd.read_excel("大量ID及IP文件.xlsx", usecols=["ID", "IP"])

# 内连接匹配相同ID，只保留匹配上的记录
matched_df = pd.merge(df_small, df_large, on="ID", how="inner")

# 拼接成要求的格式
matched_df["拼接结果"] = matched_df.apply(
    lambda row: f"{row.ID} + {row.ID} + {row.IP}",
    axis=1
)

# 打印匹配结果
print("匹配后的拼接内容：")
print(matched_df["拼接结果"].to_string(index=False))

# 可选：保存结果到新Excel文件
matched_df.to_excel("匹配结果.xlsx", index=False)

关于你提供的正则代码的问题 #

你的原代码有几个关键问题：

• 针对的是TXT文件，但你实际需求是Excel，正则解析Excel的文本内容很容易出错
• 没有关联ID和IP：你分别提取了ID集合和IP集合，但集合是无序的，无法对应到正确的IP
• 使用集合会自动去重，如果你的ID存在重复（虽然ID一般唯一），会丢失相关记录

如果你的文件确实是TXT格式，那可以修改代码来关联ID和IP，比如按行读取并存储为字典：

import re

# 定义正则匹配规则
router_id_pattern = re.compile(r'[0-9]{5}')
ip_pattern = re.compile(r'[0-9]+(?:\.[0-9]+){3}')

# 读取第一个文件的ID，存为集合
def get_small_ids(filename):
    ids = set()
    with open(filename, 'r', encoding='utf-8') as f:
        for line in f:
            match = router_id_pattern.search(line)
            if match:
                ids.add(match.group())
    return ids

# 读取第二个文件的ID和对应IP，存为字典{ID: IP}
def get_id_ip_map(filename):
    id_ip_map = {}
    with open(filename, 'r', encoding='utf-8') as f:
        for line in f:
            id_match = router_id_pattern.search(line)
            ip_match = ip_pattern.search(line)
            if id_match and ip_match:
                id_str = id_match.group()
                ip_str = ip_match.group()
                # 如果有重复ID，这里会覆盖之前的记录，可根据需求调整逻辑
                id_ip_map[id_str] = ip_str
    return id_ip_map

# 主逻辑
small_ids = get_small_ids('file1.txt')
id_ip_map = get_id_ip_map('file2.txt')

# 匹配并生成拼接结果
result = []
for id_str in small_ids:
    if id_str in id_ip_map:
        result.append(f"{id_str} + {id_str} + {id_ip_map[id_str]}")

# 输出结果
print('\n'.join(result))

二、后续拓展方向 #

• 自动化批量处理：如果需要定期处理这类文件，可以用argparse添加命令行参数，指定输入输出路径，再用schedule库实现定时自动执行
• 异常处理与日志：增加对文件不存在、列名错误、ID不匹配、IP格式无效的处理，用logging模块记录操作日志，方便排查问题
• 重复ID处理：如果第二个文件存在重复ID，可以选择保留第一个出现的IP、最后一个出现的IP，或者收集所有对应IP，输出为「ID + ID + IP1,IP2,...」的格式
• 数据统计与可视化：用matplotlib或seaborn生成匹配率统计图表，比如匹配成功的ID占比、IP段分布情况等
• 复杂匹配规则：支持模糊匹配（如ID部分匹配）、多条件匹配（如ID+其他属性），或者匹配整个IP段而非单个IP
• 数据库集成：如果数据量极大，可以将数据导入SQLite/MySQL数据库，用SQL查询实现匹配，效率更高

内容的提问来源于stack exchange，提问作者Julius425