对于经常使用爬虫的我来说,在大多数文本编辑器都会有"在文件中查找"功能,主要是方便快捷的查找自己说需要的内容,那我有咩有可能用Ruby 或 Python实现类似的查找功能?这些功能又能怎么实现?
问题背景
许多流行的文本编辑器都具有"在文件中查找"功能,该功能可以在一个对话框中打开,其中包含以下选项:
- 查找: 指定要查找的文本。
- 文件筛选器: 指定要搜索的文件类型。
- 开始位置: 指定要开始搜索的目录。
- 报告: 指定要显示的结果类型,例如文件名、文件计数或两者兼有。
- 方法: 指定要使用的搜索方法,例如正则表达式或纯文本搜索。
有人希望使用 Python 或 Ruby 类来实现类似的功能,以便可以在任何支持 Python 或 Ruby 的平台上从脚本运行此操作。
解决方案
Python
以下代码提供了在指定目录中搜索特定文本的 Python 脚本示例:
python
import os
import re
def find_in_files(search_text, file_filter, start_dir, report_filenames, regex_search):
results = []
if regex_search:
p = re.compile(search_text)
for dir, subdirs, subfiles in os.walk(start_dir):
for name in fnmatch.filter(subfiles, file_filter):
fn = os.path.join(dir, name)
with open(fn, 'r') as f:
if regex_search:
results += [(fn, lineno) for lineno, line in enumerate(f) if p.search(line)]
else:
results += [(fn, lineno) for lineno, line in enumerate(f) if line.find(search_text) >= 0]
if report_filenames:
return [fn for fn, _ in results]
else:
return results
search_text = '__searchtext__'
file_filter = '*.txt; *.htm'
start_dir = 'c:/docs/2009'
report_filenames = False
regex_search = False
results = find_in_files(search_text, file_filter, start_dir, report_filenames, regex_search)
for result in results:
print(result)
Ruby
以下代码提供了在指定目录中搜索特定文本的 Ruby 脚本示例:
ruby
require 'find'
require 'rexml/document'
def find_in_files(search_text, file_filter, start_dir, report_filenames, regex_search)
results = []
if regex_search
regex = Regexp.new(search_text)
end
Find.find(start_dir) do |path|
if File.file?(path) && file_filter.match(path)
file = File.open(path, 'r')
file.each_line do |line|
if regex_search
results << path if line =~ regex
else
results << path if line.include?(search_text)
end
end
file.close
end
end
if report_filenames
return results.uniq
else
return results
end
end
search_text = '__searchtext__'
file_filter = '*.txt; *.htm'
start_dir = 'c:/docs/2009'
report_filenames = false
regex_search = false
results = find_in_files(search_text, file_filter, start_dir, report_filenames, regex_search)
results.each do |result|
puts result
end
上述脚本可以接受以下参数:
- searchtext:要查找的文本。
- file_filter:要搜索的文件类型。
- start_dir:要开始搜索的目录。
- report_filenames:指定是只报告文件名还是同时报告文件内容。
- regex_search:指定是否使用正则表达式进行搜索。
脚本将返回一个包含所有匹配文件的文件名列表,或者如果指定了报告文件名选项,则返回一个包含所有匹配文件的文件名和行号的列表。
上面就是两种语实现在文件中查找的具体代码,其实看着也不算太复杂,只要好好的去琢磨,遇到的问题也都轻而易举的解决,如果在使用中有任何问题,可以留言讨论。