i有一个2GB .TXT文件,该文件具有超过6000万行的MD5哈希值。由于"算术错误",我一直在将其导入一块软件时遇到问题,因此,在此之前,我删除了任何不包含32个字符的行(以表示MD5 Hash长度)。尽管如此,问题仍然存在。
手动审查文档后,有些行确实不包含有效的哈希值。因此,我希望阅读每一行,如果它包含0-9和A-F之间的值,我希望删除该行。
我预计可能需要正则是不确定的。
我只是在进行一些有关如何实现此字符串验证的指针?如上所述,每行应仅包含0-9和A-F之间的字符(六个化学)。
预先感谢
import re
import sys
import fileinput
md5_checker = re.compile("^[a-fA-F0-9]{32}$")
for line in fileinput.input():
if md5_checker.match(line):
sys.stdout.write(line)
else:
sys.stderr.write("INVALID: %s" % line)
用法:
$ cat testfile.txt
0cc175b9c0f1b6a831c399e269772661
92eb5ffee6ae2fec3ad71c777531578f
asdf
0cc175b9c0f1b6a831c399e269772661
92eb5ffee6ae2fec3ad71c777531578f
$ python ~/Desktop/md5_checker.py testfile.txt > cleaned.txt
INVALID: asdf
$ cat cleaned.txt
0cc175b9c0f1b6a831c399e269772661
92eb5ffee6ae2fec3ad71c777531578f
0cc175b9c0f1b6a831c399e269772661
92eb5ffee6ae2fec3ad71c777531578f
警告:不要读取并写入同一文件(md5_checker testfile.txt > testfile.txt
将擦除文件!)
可能的正则是,当然也可能与其他事情匹配。但是,它确实仅检查字符a-f和数字0-9。
r'^[A-Fd]+$'
您可以轻松地添加{32}
以还可以检查长度,但是您说您已经清洁了任何非32个长度线,这无关紧要(对于新手的regexes,只有不必要地掩盖了事物)。作为参考,它看起来像这样:
r'^[A-Fd]{32}+$'
您只需读取文件,按行排行并在正则匹配时匹配。如果是匹配,请将其添加到输出文件中。
有关Python RE模块的更多信息,请查看此信息http://docs.python.org/library/re.html
使用re.match
与适当的正则表达式使用。
import re
r = re.compile(r'^[a-fA-F0-9]{32}$')
with open("hashes") as i, open("hashes_cleaned", "w") as o:
for line in i:
# Cheap check for 32 chars, first.
if len(line.strip()) == 32 and r.match(line.strip()):
o.write(line)
示例
输入:
% cat hashes
c2cf0d7b2d3c5cd91a1314a2285ce53e
12524f7af3a5dad467264683d0ec6206
746518a1c63294d367c23cab37f4166c
foo
4d6deee14efe78180c698679e16f7342
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
eb9a25b6b525ae665115b43a259d2355
输出:
% cat hashes_cleaned
c2cf0d7b2d3c5cd91a1314a2285ce53e
12524f7af3a5dad467264683d0ec6206
746518a1c63294d367c23cab37f4166c
4d6deee14efe78180c698679e16f7342
eb9a25b6b525ae665115b43a259d2355
您可以使用RE来解析该行。
尝试此代码:
import re
match = re.match('[0-9A-F]{32}', line)
if match:
#valid line
else:
#invalid line
不使用Regex
的另一个可能的解决方案import string
#create a set of all possible hex digits.
#in case you want only upper case hex letters,
#convert to upper
hexchars = set(string.hexdigits.upper())
#iterate through your file
for line in somefile:
#See if there is any chars apart from the hex char set
if set(line) - set(hexchars):
print "Some Invalid Message"
else:
#Do something useful
grep '[A-Fa-fd]{32}' filename.txt >newfilename.txt if you have access to terminal.