字符串行在位置n=4上匹配，需要从位置n+2提取值

Question

我正在从PDF中提取数据：

字符串Error位于位置n=4，但我需要从位置n+2（value247156909 xxxx）提取值

4 Error:
5 XZXZXZXZXZXZX
6 247156909 xxxx 

with pdfplumber.open(file) as pdf:
    pages = pdf.pages
    for page in pdf.pages:
        text = page.extract_text()
        for i, line in enumerate(text.split('\n')):
            print(i, line)
            elif re.match(r"Error\s*:", line):
                tot = line.split()  # how can I get line on position i+2

Answer 1

用.split('\n')提出的方法在大文件（或无限流）上不起作用

因为你会把一切都记在记忆里

正确的方法是：

import itertools

def pairwise_with_offset(iterable, offset: int):
    "s -> (s0,s1), (s1,s2), (s2, s3), ..."
    a, b = itertools.tee(iterable)
    [next(b, None) for _ in range(offset)]
    return zip(a, b)

您可以在此处找到更多信息： https://stackoverflow.com/a/5434936/8933502

请学会使用正确的方法，即使你的PDF库没有优化。因为您可能会一次又一次地重复使用相同的方法，但将来可能会使用类似于文件的对象（或任何iterable）

Answer 2

当您找到包含Error的行时，您知道包含该值的行号是当前行号i加上2

因此，将该行号存储在变量中，并在迭代时检查当前行号是否等于该行号。如果当前行号是您以前存储的行号，则会得到以下值：

value_line = None  # initialize with a value that is not a valid line number

for i, line in enumerate(text.split('\n')):
    if re.match(r"Error\s*:", line):
        value_line = i + 2
    if i == value_line:  # this will happen in a later iteration
        print(line)      # this is the line containing the value

或者，事先收集列表中的所有行。然后，您可以直接从列表中访问所需的行，无需不断迭代：

lines = text.split('\n')

for i, line in enumerate(lines):
    if re.match(r"Error\s*:", line):
        print(lines[i + 2])
        break  # found the value, can stop iterating

当然，不必打印包含该值的行，您可以使用它执行其他操作，例如拆分它并将第一项转换为整数

Answer 3

因为“行”是一个列表，你可以在列表上输入，检查项目是否存在，从这一点你可以得到计数+1项目

import re
# Using readlines()
file1 = open('file.txt', 'r')
Lines = file1.readlines()
 
count = 0
# Strips the newline character
for line in Lines:
    count += 1
    if "Error" in line:
        print(Lines[count+1])