Wielokrotnie wyodrębnić linię pomiędzy dwoma ogranicznikami w pliku tekstowym, Python

Question

Mam plik tekstowy w następującym formacie:

DELIMITER1 
extract me 
extract me 
extract me 
DELIMITER2 

chciałbym wyodrębnić każdy blok extract me s pomiędzy DELIMITER1 i DELIMITER2 w txt

to jest mój obecny, nieregularnych Kod:

import re 
def GetTheSentences(file): 
    fileContents = open(file) 
    start_rx = re.compile('DELIMITER') 
    end_rx = re.compile('DELIMITER2') 

    line_iterator = iter(fileContents) 
    start = False 
    for line in line_iterator: 
      if re.findall(start_rx, line): 

       start = True 
       break 
     while start: 
      next_line = next(line_iterator) 
      if re.findall(end_rx, next_line): 
       break 

      print next_line 

      continue 
     line_iterator.next() 

Jakieś pomysły?

Answer 1

Można uprościć to do jednego wyrażenia regularnego, używając re.S, w DOTALL flag.

import re 
def GetTheSentences(infile): 
    with open(infile) as fp: 
     for result in re.findall('DELIMITER1(.*?)DELIMITER2', fp.read(), re.S): 
      print result 
# extract me 
# extract me 
# extract me 

ten również wykorzystuje nie-chciwego operatora .*?, tak wielu nie nakładających się bloków par DELIMITER1-DELIMITER2 będzie być znaleziony.

Answer 2

ten powinien robić to, co chcesz:

import re 
def GetTheSentences(file): 
    start_rx = re.compile('DELIMITER') 
    end_rx = re.compile('DELIMITER2') 

    start = False 
    output = [] 
    with open(file, 'rb') as datafile: 
     for line in datafile.readlines(): 
      if re.match(start_rx, line): 
       start = True 
      elif re.match(end_rx, line): 
       start = False 
      if start: 
        output.append(line) 
    return output 

poprzedniej wersji wygląda to miało być iterator. Czy chcesz, aby Twoje dane wyjściowe zwracały jeden przedmiot na raz? To trochę inaczej.

Answer 3

Jeśli ograniczniki są w linii:

def get_sentences(filename): 
    with open(filename) as file_contents: 
     d1, d2 = '.', ',' # just example delimiters 
     for line in file_contents: 
      i1, i2 = line.find(d1), line.find(d2) 
      if -1 < i1 < i2: 
       yield line[i1+1:i2] 


sentences = list(get_sentences('path/to/my/file')) 

Jeśli są na własnych liniach:

def get_sentences(filename): 
    with open(filename) as file_contents: 
     d1, d2 = '.', ',' # just example delimiters 
     results = [] 
     for line in file_contents: 
      if d1 in line: 
       results = [] 
      elif d2 in line: 
       yield results 
      else: 
       results.append(line) 

sentences = list(get_sentences('path/to/my/file')) 

Answer 4

Jest to dobra robota dla listy zrozumiałej, nie jest wymagane wyrażenie regularne. Pierwszy zestaw wyszukuje typową \n na liście linii tekstowej znalezionej podczas otwierania pliku txt. Druga lista używa tylko operatora in do identyfikacji wzorców sekwencji do filtrowania.

def extract_lines(file): 
    scrubbed = [x.strip('\n') for x in open(file, 'r')] 
    return [x for x in scrubbed if x not in ('DELIMITER1','DELIMITER2')]