從文本文件中提取兩個定界符之間的文本

Question

我目前正在寫有關CEO自戀的碩士論文。 為了對其進行衡量，我必須進行收入電話文本分析。 我按照此鏈接中可用的答案用python寫了一個代碼，該代碼使我可以從收入通話記錄中提取“問題與答案”部分。 該文件是這樣的（它稱為“ testoestratto.txt”）：

..............................
Delimiter [1]
..............................
A text that I don't need
..............................
Delimiter CEO [2]
..............................
I need this text
..............................
Delimiter [3]
..............................

[...]

..............................
Delimiter CEO [n-1]
..............................
I also need this text
..............................
Delimiter [n]
..............................

我還有另一個txt文件（“ lista.txt”），在其中我從筆錄中提取了所有定界符：

Delimiter [1]
Delimiter CEO [2]
Delimiter [3]
[...]
Delimiter CEO [n-1]
Delimiter [n]

我想做的是從Detester CEO [2]和Delimiter [3]，...之間以及Delimiter CEO [n-1]和Delimiter [n]之間的“ testoestratto.txt”中提取文本。 提取的文本必須寫在“ test.txt”中。 因此，如果“ lista.txt”中的分隔符包含CEO一詞，則我需要“ testoestratto.txt”中的文本，該文本位於該特定分隔符和“ lista.txt”中下一個不包含“首席執行官”。 為了做到這一點，我編寫了以下代碼：

with open('testoestratto.txt','r', encoding='UTF-8') as infile, open('test.txt','a', encoding='UTF-8') as outfile, open('lista.txt', 'r', encoding='UTF-8') as mylist:
   text= mylist.readlines()
   text= [frase.strip('\n') for frase in text]
   bucket=[] 
   copy = False
   for i in range(len(text)):
      for line in infile:                         
          if line.strip()==text[i] and text[i].count('CEO')!=0 and text[i].count('CEO')!= -1:                                                          
              copy=True                          
          elif line.strip()== text[i+1] and text[i+1].count('CEO')==0 or text[i+1].count('CEO')==-1:
              for strings in bucket:
                  outfile.write(strings + '\n')
          elif copy:
              bucket.append(line.strip())

但是，“ test.txt”文件為空。 你可以幫幫我嗎？

PS：我是python的初學者，所以如果代碼混亂，我要道歉

Answer 1

您需要在代碼中進行一些更改。

首先，這里的關鍵是在每次讀取一次該文件之后將其重置為文件的開頭。 由於尚未執行此操作，因此在嵌套for循環的第一次迭代之后，您的代碼從不從頭開始讀取文件。 您可以使用infile.seek(0)進行此操作。

其次，一旦寫入文件，就需要將標志“ copy”的值重置為False。 這樣可以確保您不會將不需要的文本寫到文件中。 此外，您還需要清空存儲區，以避免在輸出中多次寫入相同的行。

第三，您在elif語句中包含了許多不必要的字符串檢查。

我在以下代碼中進行了更改：

with open('testoestratto.txt','r', encoding='UTF-8') as infile, 
open('test.txt','a', encoding='UTF-8') as outfile, open('lista.txt', 'r', 
encoding='UTF-8') as mylist:
    text= mylist.readlines()
    text= [frase.strip('\n') for frase in text]
    bucket=[]
    copy = False
    for i in range(len(text)):
        for line in infile:
            if line.strip('\n')==text[i] and text[i].count('CEO') > 0:
                copy=True
            elif copy and line.strip('\n') == text[i+1]:
                for strings in bucket:
                    outfile.write(strings + '\n')
                copy = False
                bucket = list()
            elif copy:
                bucket.append(line.strip())
        infile.seek(0)

話雖如此，您也可以優化代碼。 如您所見，此代碼在O（n ^ 3）中運行。