Python Search, find and extract text from files based on custom search pattern

Code

#####     HEXECUTOR     #####

#####  Hackforums.net   #####

#####      txt          #####

#####   data extractor  #####







import re





def DOCtoSTRING(path):

    

    return text



def valuesHextractor(text):

    STRING =""

    #let's find pacient personal info

    regex = re.compile('PACIENT DATA(?s).*DIAGNOSTIC:[^\n]*')

    pacientdata=regex.match(text)



    regex = re.compile(':[^\n]*')  

    pacientinfo = regex.findall(pacientdata[0])

    for i in pacientinfo:

        info=i.strip(": ")

        STRING=STRING+info+" "



    #values

    regex = re.compile('EXAM VALUES(?s).*TREATMENT')

    pacientvalues=regex.search(text)

    

    #remove 1.AV 2.RO 3.PIO 4.FO numbers

    replacedvalues=re.sub("[1-4]\.((AV)|(RO)|(PIO)|(FO))","",pacientvalues[0])

    

    subregex = re.compile('[\-\+0-9\.]+')

    values = subregex.findall(replacedvalues)

    for v in values:

        STRING=STRING+v+" "

        

    #remove space between a + - and a number    

    STRING=re.sub("\-( )+","-",STRING)

    STRING=re.sub("\+( )+ ","+",STRING)

        

    #treatment

    regex = re.compile('TREATMENT:[^\n]*')

    treatment = regex.search(text)

    treatment = treatment[0].replace('TREATMENT:',"")

    STRING=STRING+treatment

    print (STRING)



          

f=open(input("file PATH: ") ,'r')

text=f.read()

valuesHextractor(text)

f.close

Code

#####     HEXECUTOR     #####

#####  Hackforums.net   #####

#####        txt        #####

#####   data extractor  #####

#############################



import re





def DOCtoSTRING(path):

    

    return text



def valuesHextractor(text):

    STRING =""

    #let's find pacient personal info

    regex = re.compile('CONSULTAŢIE(?s).*EXAMENUL')

    pacientdata=regex.search(text)

    pacientinfo = re.sub('[A-Z]+:',"",pacientdata[0])

    STRING=STRING+pacientinfo.strip("CONSULTAŢIE").strip("EXAMENUL")+" "



    #values

    regex = re.compile('EXAMENUL OFTALMOLOGIC:(?s).*TRATAMENT')

    pacientvalues=regex.search(text)



    #AV OD

    #fc

    regex=re.compile("1.AV.*OD.*?fc[;\.\+\- 0-9]*")

    AVfc=regex.search(pacientvalues[0])

    AVODfc=re.sub("1.AV.*OD.*?fc[;\. 0-9]*?","",AVfc[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVODfc)==None:

        AVODfc="None"

    STRING=STRING+AVODfc+" "

    #cc

    regex=re.compile("1.AV.*OD.*?cc[;\.\+\- 0-9]*")

    AVcc=regex.search(pacientvalues[0])

    AVODcc=re.sub("1.AV.*OD.*?cc[;\. 0-9]*?","",AVcc[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVODcc)==None:

        AVODcc="None"

    STRING=STRING+AVODcc+" "

    #cyl

    regex=re.compile("1.AV.*OD.*?cyl[;\.\+\- 0-9]*")

    AVcyl=regex.search(pacientvalues[0])

    AVODcyl=re.sub("1.AV.*OD.*?cyl[;\. 0-9]*?","",AVcyl[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVODcyl)==None:

        AVODcyl="None"

    STRING=STRING+AVODcyl+" "

    #ax

    regex=re.compile("1.AV.*OD.*?ax[;\.\+\- 0-9]*")

    AVax=regex.search(pacientvalues[0])

    AVODax=re.sub("1.AV.*OD.*?ax[;\. 0-9]*?","",AVax[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVODax)==None:

        AVODax="None"

    STRING=STRING+AVODax+" "

 

 



    #AV OS

    #fc

    regex=re.compile("1.AV.*OS.*?fc[;\. 0-9]*")

    AVfc=regex.search(pacientvalues[0])

    AVOSfc=re.sub("1.AV.*OS.*?fc[;\. 0-9]*?","",AVfc[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVOSfc)==None:

        AVOSfc="None"

    STRING=STRING+AVOSfc+" "

    #cc

    regex=re.compile("1.AV.*OS.*?cc[;\.\+\- 0-9]*")

    AVcc=regex.search(pacientvalues[0])

    AVOScc=re.sub("1.AV.*OS.*?cc[;\. 0-9]*?","",AVcc[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVOScc)==None:

        AVOScc="None"

    STRING=STRING+AVOScc+" "

    #cyl

    regex=re.compile("1.AV.*OS.*?cyl[;\.\+\- 0-9]*")

    AVcyl=regex.search(pacientvalues[0])

    AVOScyl=re.sub("1.AV.*OS.*?cyl[;\. 0-9]*?","",AVcyl[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVOScyl)==None:

        AVOScyl="None"

    STRING=STRING+AVOScyl+" "

    #ax

    regex=re.compile("1.AV.*OS.*?ax[;\.\+\- 0-9]*")

    AVax=regex.search(pacientvalues[0])

    AVOSax=re.sub("1.AV.*OS.*?ax[;\. 0-9]*?","",AVax[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVOSax)==None:

        AVOSax="None"

    STRING=STRING+AVOSax+" "









 

############From here ignore names check only the #name



####### DP

    regex=re.compile("1.AV.*OS.*?DP=[;\.\+\- 0-9]*")

    AVax=regex.search(pacientvalues[0])

    AVOSax=re.sub("1.AV.*OS.*?DP=[;\. 0-9]*?","",AVax[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVOSax)==None:

        AVOSax="None"

    DP=AVOSax





##########











    #RO OD

    #cyl

    regex=re.compile("2.RO.*OD.*?cyl[;\.\+\- 0-9]*")

    AVcyl=regex.search(pacientvalues[0])

    AVODcyl=re.sub("2.RO.*OD.*?cyl[;\. 0-9]*?","",AVcyl[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVODcyl)==None:

        AVODcyl="None"

    STRING=STRING+AVODcyl+" "

    #ax

    regex=re.compile("2.RO.*OD.*?ax[;\.\+\- 0-9]*")

    AVax=regex.search(pacientvalues[0])

    AVODax=re.sub("2.RO.*OD.*?ax[;\. 0-9]*?","",AVax[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVODax)==None:

        AVODax="None"

    STRING=STRING+AVODax+" "





    

    #RO OS

    #cyl

    regex=re.compile("2.RO.*OS.*?cyl[;\.\+\- 0-9]*")

    AVcyl=regex.search(pacientvalues[0])

    AVOScyl=re.sub("2.RO.*OS.*?cyl[;\. 0-9]*?","",AVcyl[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVOScyl)==None:

        AVOScyl="None"

    STRING=STRING+AVOScyl+" "

    #ax

    regex=re.compile("2.RO.*OS.*?ax[;\.\+\- 0-9]*")

    AVax=regex.search(pacientvalues[0])

    AVOSax=re.sub("2.RO.*OS.*?ax[;\. 0-9]*?","",AVax[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVOSax)==None:

        AVOSax="None"

    STRING=STRING+AVOSax+" "











    #3.PIO OD

    regex=re.compile("3.PIO.*OD=[;\.\+\- 0-9]*")

    AVfc=regex.search(pacientvalues[0])

    AVODfc=re.sub("3.PIO.*?OD=[;\. 0-9]*?","",AVfc[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVODfc)==None:

        AVODfc="None"

    STRING=STRING+AVODfc+" "



    #3.PIO OS

    regex=re.compile("3.PIO.*?OS=[;\. 0-9]*")

    AVfc=regex.search(pacientvalues[0])

    AVOSfc=re.sub("3.PIO.*?OS=[;\. 0-9]*?","",AVfc[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVOSfc)==None:

        AVOSfc="None"

    STRING=STRING+AVOSfc+" "





    #4.FO OD

    regex=re.compile("4.FO(?s).*OD:[;\.\+\- 0-9]*")

    AVfc=regex.search(pacientvalues[0])

    AVODfc=re.sub("4.FO(?s).*?OD:[;\. 0-9]*?","",AVfc[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVODfc)==None:

        AVODfc="None"

    STRING=STRING+AVODfc+" "



    #4.FO OS

    regex=re.compile("4.FO(?s).*?OS:[;\. 0-9]*")

    AVfc=regex.search(pacientvalues[0])

    AVOSfc=re.sub("4.FO(?s).*?OS:[;\. 0-9]*?","",AVfc[0])

    regex=re.compile("[\+\-0-9]+")

    if regex.search(AVOSfc)==None:

        AVOSfc="None"

    STRING=STRING+AVOSfc+" "

    



################################################## NORMAL FROM HERE









    #remove space between a + - and a number    

    STRING=re.sub("\-( )+","-",STRING)

    STRING=re.sub("\+( )+ ","+",STRING)

    STRING=re.sub("(\-\+)","-+ ",STRING)

    STRING=re.sub("(\+\-)","+- ",STRING)

        

    #treatment

    regex = re.compile('TRATAMENT:(?s).*')

    treatment = regex.search(text)

    treatment = treatment[0].replace('TRATAMENT:',"")

    STRING=STRING+treatment

    STRING=STRING+DP

    regex=re.compile("( )+")

    STRING=STRING.replace('\n',' ').replace('\t', ' ').replace(';','')

    STRING=re.sub(regex," ",STRING)

    print (STRING)



################################################## MAIN (once you will be ready use the other main I've already shared in the first post this main is just a regex tester)          

f=open(input("file PATH (must be a .txt for now): ") ,'r')

text=f.read()

valuesHextractor(text)

f.close