como posso adicionar um caractere extra depois de uma pesquisa por palavra [closed]

Question

Eu tenho os seguintes nomes de campo

demelog voyapro naisjdf naismc decoide decoccm travide travccm equiccm mariccm

Abaixo está uma amostra do meu arquivo. Existem mais colunas antes do primeiro fck=83 ...

 fck=83;fcv=naismc;fcv=naisjdf;fck=83;fmd=1422811694,;fmd=1422811694;
 fck=83;fcv=demelog;fck=83;fmd=1423134370;
 fck=83;fcv=demelog;fck=83;fmd=1422292546;
 fck=83;fcv=demelog;fck=83;fmd=1421774352;
 fck=83;fcv=decoccm;fck=83;fmd=1422853444;
 fck=83;fcv=voyapro;fck=83;fmd=1422270462;
 fck=83;fcv=voyapro;fcv=demelog;fck=83;fmd=1422183999,;fmd=1422206234,;

A partir de fck = 83, como você pode ver, eu posso ter line 2 fcv = demelog e o relevante fmd 1423134370 ou para a linha 7, fcv = voyapro e fcv = demelog e o fmd relevante também fmd=1422183999, e fmd=1422206234;

Você se lembra da primeira linha demelog voyapro naisjdf naismc decoide decoccm travide travccm equiccm mariccm ?

Meu objetivo é ter o seguinte formato (usarei a linha 2 e a linha 7 como exemplo)

linha 2

 fck=83;fcv=demelog;;;;;;;;;fck=83;fmd=1423134370;;;;;;;;;

linha 7

 fck=83;;fcv=voyapro;;;;;;;;;fck=83;;fmd=1422270462;;;;;;;;;

Como você pode ver, adicionei colunas extras para fck = 83 para o fcv e o fmd, relacionadas a esse demelog voyapro naisjdf naismc decoide decoccm travide travccm equiccm mariccm

Eu pensei em fazer isso com awk ou sed ou python, mesmo que eu não tenha a menor idéia de como fazer isso com python nem com o awk and sed.

Talvez eu possa adicionar o demelog voyapro naisjdf naismc decoide decoccm travide travccm equiccm mariccm em um arquivo separado e fazer uma pesquisa com um índice. Se a corda está aqui, não estou fazendo nada. Se não estiver aqui, adicionarei uma coluna extra.

Qualquer ajuda é bem-vinda, pois estou confuso sobre onde devo ir tecnicamente falando e começar a puxar meu cabelo.

atualização

Esta minha tentativa abaixo em python

import re
word_list=    ['fcv=demelog','fcv=voyapro','fcv=naisjdf','fcv=naismc','fcv=decoide','fcv=decoccm','fcv=travide','fcv=travccm','fcv=equiccm','fcv=mariccm']


regex_string = "(?<=\W)(%s)(?=\W)" % ";".join(word_list)

find=re.compile(regex_string)

with open ("idcacf_v5.txt", "r") as myfile:
    data=myfile.read().replace('\n', '')


finder = re.compile(regex_string)
string_to_be_searched = data

results = finder.findall ("%s " % string_to_be_searched)
result_set = set(results)
for word in word_list:
    print ("%s in string" % word)

Como você pode ver, eu preciso de duas coisas, para poder indexar. A segunda coisa é que eu preciso ser capaz de replicar o que eu fiz com o fcv em termos de ordem e colocar o mesmo pedido com fmd=timestamp dessa linha.

    

Answer 1

Aqui está algo que eu usei no módulo CSV:

#! /usr/bin/env python3

import csv, sys

word_list = ['fcv=demelog','fcv=voyapro','fcv=naisjdf','fcv=naismc','fcv=decoide','fcv=decoccm','fcv=travide','fcv=travccm','fcv=equiccm','fcv=mariccm']

csvin = csv.reader (sys.stdin, delimiter=';')
csvout = csv.writer (sys.stdout, delimiter=';')
for row in csvin:
    word_list_fck = [row[0]] + word_list
    fmd_start = row[1:].index(row[0]) + 1
    row_fcv = row[:fmd_start]  # split fcv from fmd
    row_fmd = row[fmd_start:]
    out_row = [entry if entry in row_fcv else ''  for entry in word_list_fck]
    out_row = out_row + [row_fmd.pop(0) if out_row[i] != '' else '' for i in range(len(word_list_fck))]
    csvout.writerow (out_row)

Exemplo de saída:

$ python3 test.py < test.txt
fck=83;;;fcv=naisjdf;fcv=naismc;;;;;;;fck=83;;;fmd=1422811694,;fmd=1422811694;;;;;;
fck=83;fcv=demelog;;;;;;;;;;fck=83;fmd=1423134370;;;;;;;;;
fck=83;fcv=demelog;;;;;;;;;;fck=83;fmd=1422292546;;;;;;;;;
fck=83;fcv=demelog;;;;;;;;;;fck=83;fmd=1421774352;;;;;;;;;
fck=83;;;;;;fcv=decoccm;;;;;fck=83;;;;;;fmd=1422853444;;;;
fck=83;;fcv=voyapro;;;;;;;;;fck=83;;fmd=1422270462;;;;;;;;
fck=83;fcv=demelog;fcv=voyapro;;;;;;;;;fck=83;fmd=1422183999,;fmd=1422206234,;;;;;;;;

Notas:

• Confio no primeiro elemento da linha ( fck=83 nos casos de exemplo) para ser a entrada que separa fcv s de fmd s. Se não, essa coisa vai ser muito mais complicada.
• Dado o if bar in foo repetido nas compreensões da lista, isso pode ser muito lento, dependendo do comprimento de cada linha.

Em relação a out_row = [entry if entry in row_fcv else '' for entry in word_list_fck] :

• Considere como a saída desejada será semelhante quando analisada por csv.reader para uma lista (considerando, por exemplo, a segunda linha): ["fck=83" ,"fcv=demelog", "", "", "", "", "", "", "", "", "", "", "fck=83", "fmd=1423134370", "", "", "", "", "", "", "", "", ""] - todas as entradas vazias se tornarão sequências vazias.
• A saída deve conter entradas vazias para cada fcv que não foi exibido na entrada.
• Portanto, ao criar essa lista para escrever usando csv.writer , eu uso strings vazias para todas as entradas fcv que não aparecem em row_fcv ( if entry in row_fcv else '' ).