本文介绍如何从文本文件中提取四位数年份（如2018、2020），将其与所在行一并存储，按年份数值升序排序，并格式化输出“found yyyy : 原始行内容”。
本文介绍如何从文本文件中提取四位数年份（如2018、2020），将其与所在行一并存储，按年份数值升序排序，并格式化输出“found yyyy : 原始行内容”。
要实现“按年份升序排序并打印对应完整行”，关键在于同时捕获匹配年份和其所在的原始行，而非仅输出年份数字。原代码仅逐行提取并打印年份，丢失了上下文信息；改进方案需构建 (年份整数, 原始行) 的元组列表，再基于年份排序。
以下是完整、健壮的实现代码：
import os
import re
file = 'wine.txt'
if os.path.isfile(file):
lines_with_dates = [] # 存储 (年份int, 去首尾空格的行str) 元组
with open(file, 'r', encoding='utf-8') as f:
for line in f:
# 使用 \b 确保匹配独立的4位数字（避免匹配 20234 中的 2023）
match = re.search(r'\b\d{4}\b', line)
if match:
year = int(match.group())
# 保留原始行语义完整性：strip() 去除换行符和两端空格，但保留内部格式
cleaned_line = line.strip()
lines_with_dates.append((year, cleaned_line))
# 按年份升序排序（默认升序，key指定排序依据为元组第一个元素）
lines_with_dates.sort(key=lambda x: x[0])
# 格式化输出
for year, line in lines_with_dates:
print(f"Found {year} : {line}")
else:
print("File does not exist")
✅ 关键优化说明：
- 精准匹配：正则 r'\b\d{4}\b' 中的 \b（单词边界）防止误匹配如 12018 或 20234 中的子串；
- 类型安全：将年份转为 int 后排序，确保 2020 "2019" 但 "2020" "1000" 会出错）；
- 行完整性：使用 line.strip() 保留行内所有字符（含标点、空格），仅清除换行符与首尾冗余空白；
- 可扩展性：若需去重、过滤范围（如仅 1900–2100）、或支持多日期行，可在 append 前添加逻辑判断。
⚠️ 注意事项：
- 若某行含多个四年份（如 "Best vintages: 1998, 2005, 2012"），当前代码仅捕获第一个；如需全部匹配，应改用 re.findall() 并循环处理；
- 文件编码建议显式指定（如 encoding='utf-8'），避免中文或特殊字符报错；
- 大文件场景下，此方案内存友好（单次遍历 + 列表存储），无需加载全文到内存。
该方法兼顾准确性、可读性与工程实用性，是文本中结构化时间信息提取与排序的标准实践。
