怎么用python依据多个关键词提取Excel里关键词所在的整行内容？

Posted 2023-04-25

第一个图是原数据文件，第二个图是关键词文件，关键词太多，通常保存在另一个文件中，怎么用python依据二图文件的关键词来提取一图文件的整行内容？

没有数据，模拟几条说明常规思路。

a=['PGSC1','PGSC3','PGSC6','PGSC7']

b=[['PGSC1','A',555],['PGSC2','B',988],['PGSC3','C',7666],['PGSC7','P',8767],['PGSC1','A',567]]

data=[]

for x in a:

for y in b:

if x==y[0]:

data.append(y)

print(data)

当然，你也可以用numpy或者pandas来处理会更方便。

追问

我之前试过，行不通，不知道哪里出问题了

12.csv是原数据文件，1.TXT是关键词文件，
下图是我的脚本，以及列表，红框框起来的地方是我的关键词，但是最后出来的文件是空的



追答

if line_2.strip() in line_1:

参考技术A python
不会,
VBA可以实现.追问

怎么弄呢？VBA的话

追答

我就会

python怎么用正则表达式提取中文

Python re正则匹配中文，其实非常简单，把中文的unicode字符串转换成utf-8格式就可以了，然后可以在re中随意调用
unicode中中文的编码为/u4e00-/u9fa5，因此正则表达式u”[\u4e00-\u9fa5]+”可以表示一个或者多个中文字符
>>> import re

>>> s='中文：123456aa哈哈哈bbcc'.decode('utf8')
>>> s
u'\u4e2d\u6587\uff1a123456aa\u54c8\u54c8\u54c8bbcc'
>>> print s
中文：123456aa哈哈哈bbcc

>>> re.match(u"[\u4e00-\u9fa5]+",s)
<_sre.SRE_Match object at 0xb77742c0>

>>> pat='中文'.decode("utf8")
>>> re.search(pat,s)
<_sre.SRE_Match object at 0x16a16df0>

>>> newpat='这里是中文内容'.decode("utf8")

>>> news=re.sub(pat,newpat,s)
>>> print news
这里是中文内容：123456aa哈哈哈bbcc

from:http://blog.aizhet.com/web/12078.html 参考技术A

1、字符串line='\\ufeffD0002044\\x01大数据\\x01数据分析\\x01技术\\x01工具\\x01应用\\n'
想提取出其中的“大数据”，“数据分析”，“技术”，“工具”，“应用”这些中文，用了正则表达式：
>>> pat2='\\x01(.*?)'
>>> rs=re.compile(pat2).findall(line)
>>> print(rs)
['', '', '', '', '']
显示的结果是空，请问如何才能正确的提出中文部分。

2、原文： 法规名称:'《中华人民共和国合同法》',Items:[法条名称:'第五十二条'
匹配成： 《中华人民共和国合同法》第五十二条
(?<=法规名称:\\').*?（\\',Items:[法条名称:\\'）.*?(?=\\') 请问这样匹配哪里错了？Python报sre_constants.error: unterminated character set at position 22  

3、Python re正则匹配中文，其实非常简单，把中文的unicode字符串转换成utf-8格式就可以了，然后可以在re中随意调用
unicode中中文的编码为/u4e00-/u9fa5，因此正则表达式u”[\\u4e00-\\u9fa5]+”可以表示一个或者多个中文字符
>>> import re
>>> s='中文：123456aa哈哈哈bbcc'.decode('utf8')
>>> s
u'\\u4e2d\\u6587\\uff1a123456aa\\u54c8\\u54c8\\u54c8bbcc'
>>> print s
中文：123456aa哈哈哈bbcc 。