Как использовать регулярное выражение для удаления некоторой информации в python?

Question

У меня есть текстовый файл, и я читал, что с помощью Python. Он начинается с веб-адреса и предоставляет другую информацию, начиная с (y) или (n). Между строками может быть несколько пустых строк. Например, текстовый файл может быть таким,

http://usatoday30.usatoday.com/money/industries/energy/2005-12-28-enron-participants_x.htm 

(y) Lay, Kenneth 
(y) Skilling, Jeffrey 
(n) Howard, Kevin 
(n) Krautz, Michael 

Я бы хотел, чтобы имена начинались с (y) и возвращались как список. Скажем, в этом случае список возврата будет так,

result = ["Lay, Kenneth", "Skilling, Jeffrey"] 

Я прочитал данные следующим образом,

poi_names_data = open("../final_project/poi_names.txt", "r") 

for row in poi_names_data: 
    print row, "\n" 

Как извлечь правильные данные из строки?

Answer 1

Как указывается в комментариях, вы можете использовать startswith решить, если вы собираетесь обработать строку и использовать re.sub для удаления (y), ведущие пробелы и разрывы строк \n, после того, что он должен дать вам ожидаемый результат:

import re 
result = [] 
with open("test.txt") as text: 
    for row in text: 
     if row.startswith("(y)"): 
      result.append(re.sub(r"\(y\)\s+|\n", "", row)) 

result 

# ['Lay, Kenneth', 'Skilling, Jeffrey'] 

Answer 2

Я бы рекомендовал прочитать файл по строкам и обработать соответствующим образом. Причина в том, что если ваш файл большой, очень большой, то он будет намного лучше и меньше памяти.

import io 
import re 

result = [] 
rx = re.compile(r'(?<=\(y\)).*', re.MULTILINE) 

with open('data.txt','r+') as f: 
    for line in f: 
     match = rx.search(line) 
     if match: 
      result.append(match.group(0).strip()) 

print(result) 

Я получу следующий результат из ваших данных образца. (Предполагается, что данные хранятся в файле test.txt)

['Lay, Kenneth', 'Skilling, Jeffrey']