对具有非常特定格式的文件进行操作[重复]答案

【问题标题】：Operating on a file with a very specific format [duplicate]对具有非常特定格式的文件进行操作[重复]
【发布时间】：2016-10-31 09:29:54
【问题描述】：

我一直在尝试编写以下函数：

def track(filepath,n1,n2)

此函数旨在对具有以下格式的文件进行操作：

-BORDER-
text
-BORDER-
text
-BORDER-
text
-BORDER-

我如何告诉函数对该文件路径进行操作，更准确地说是对每个边框内的文本进行操作？

【问题讨论】：

您的文件是.txt 文件吗？你的边框线之间总是只有一个文本行吗？
是的，但是在边界线之间我总是会有更多的文本行
如果我明白了：您的边框线之间可能有许多文本行，并且您的边框线都相同？
是的，文本的开头和结尾由仅包含单词-BORDER-的行标记

标签： python python-3.5 atom-editor

【解决方案1】：

以下方法将读取您的文件，并为您提供非边界线列表：

from itertools import groupby

with open('input.txt') as f_input:
    for k, g in groupby(f_input, lambda x: not x.startswith('-BORDER-')):
        if k:
            print([line.strip() for line in g])

所以如果你的输入文件是：

-BORDER-
text
-BORDER-
text
-BORDER-
this is some text
with words 
on different lines
-BORDER-

它将显示以下输出：

['text']
['text']
['this is some text', 'with words', 'on different lines']

这可以通过逐行读取文件，并使用 Python 的 groupby 函数对与给定测试匹配的行进行分组来实现。在这种情况下，测试是行是否以-BORDER- 开头。它返回以下所有返回相同结果的行。 k 是测试结果，g 是匹配行组。所以如果测试结果是True，说明它不是以-BORDER-开头的。

接下来，由于您的每一行都有一个换行符，因此使用列表推导从每个返回的行中删除它。

如果您想计算单词（假设它们由空格分隔），那么您可以执行以下操作：

from itertools import groupby

with open('input.txt') as f_input:
    for k, g in groupby(f_input, lambda x: not x.startswith('-BORDER-')):
        if k:
            lines = list(g)
            word_count = sum(len(line.split()) for line in lines)
            print("{} words in {}".format(word_count, lines))

给你：

1 words in ['text\n']
1 words in ['text\n']
9 words in ['this is some text\n', 'with words \n', 'on different lines\n']

【讨论】：

以及如何对文件的-BORDER-文本-BORDER-进行操作？
如果您取出if 行，它将显示所有行分组。或者如果你把not 拿出来，它只会在-BORDER- 行上工作。或者，您可以将 else 行添加到 if。
我还能计算每个“段落”或所有段落中与给定属性匹配的单词吗？
我在答案中添加了一个合适的示例来帮助您入门。

【解决方案2】：

编写一个生成器，计数检测边界线并使用groupby 分隔这些块：

from itertools import groupby

BORDER = '--border--'

def count_border(lines, border):
  cnt = 0
  for line in lines:
    if line.strip() == border:
        cnt += 1
    else:
        yield cnt, line

with open('file') as lines:
    for _, block in groupby(count_border(lines, BORDER), lambda (c,_): c):
        block = [line for _, line in block]
        print(block)

【讨论】：

【解决方案3】：

要从文本文件中检索文本，您可以执行以下操作：

with open("/your/path/to/file", 'r') as f:
    text_list = [line for line in f.readlines() if 'BORDER' not in line]

text_list 将包含您要查找的所有文本行。如果需要，您可以使用 .strip() 删除这些行

【讨论】：

您也可以在列表理解中剥离该行，但我不知道该剥离会是什么样子。我猜该行可能以'\n' 结尾。
如果我的文件已经在我的 pc 目录之一中，是否“加载”文件更好？
“加载”它是什么意思？您可以使用上下文管理器阅读它with open(...) as f
别介意，我搞混了