從文本文件中的特定字符串開始查找字符串並進行分類

Question

我正在做作業，我已經讀過類似的帖子，在這里發現一個非常有趣的： 在兩個子串之間找到字符串

我的目標是使用python搜索3個特定模式我在文本文件中搜索，我需要在未分類的文本文件中執行搜索，我需要：

1）從關鍵字'more info'開始搜索（之前繞過信息）

2）分類文件基於：A1）字符串：'大房子'和他的價格A2）字符串：'大房子'沒有找到價格B1）字符串：'小家'和他的價格B2）字符串：'小家'沒有價格發現C1）字符串：'大家'和'小家'和他們的價格C2）字符串：'大家'和'小家'他們的價格缺失D）沒有發現任何字符串（大家或小家）

對於A，B，C，找到價格和打印='大房價50USD'，如果沒有找到價格提及。

我正在用python進行文本研究，並且它返回了找到的關鍵字的分類，我需要根據上述模式A，B，C和D對文檔（文本文件）進行分類。

data_train['classi'] = data_train['text'].apply(lambda x: len([x for x in x if x.startswith('classi')]))
data_train[['text','classi']].head()

這是輸出：

text    classi
0   [big home, forrest, suburb, more info,          0
1   [town, pool, more info,                         0
2   [small home,more info,  forrest, suburb         1
3   [big home, more info,  forrest, price 50        1
4   [big home, forrest,  more info,  city           0

我希望：1）從關鍵字“更多信息”開始搜索2）對我在A，B，C，D中搜索的文本文檔進行分類（如果沒有價格提及，請獲取價格的字符串。

任何支持高度贊賞！

編輯：

• 也許在這里使用NLTK很有意思，任何想法？

• 實際上玩https://pythex.org/

Answer 1

我會做類似的事情：

from pathlib import Path
for file in Path("my_folder").glob("*.txt"):
    with file.open('r') as f:
        more_info_flag = False
        for line in f:
            if not more_info_flag:
                if "more info" in line:
                    more_info_flag = True
                else:
                    continue
            if "big_home" in line:
                if "price is" in line:
                    price = int(line.split("price is")[1].split(" ")[0])
                else:
                    price = None
                do_something(price)

我認為這適用於您發布的文件，如果其他格式不同，則需要進行調整...