如何在 Python 中读取 txt 文件的特定部分？答案

【问题标题】：How to read a specific portion of a txt file in Python?如何在 Python 中读取 txt 文件的特定部分？
【发布时间】：2019-11-16 07:38:34
【问题描述】：

我需要从 txt 文件中提取一部分文本。
文件如下所示：

STARTINGWORKIN DD / MM / YYYY HH: MM: SS
... 文本行 ...
... 更多文本行 ...
开始工作 DD / MM / YYYY HH: MM: SS
... 我想要的文本行 ...
...更多我想要的文本行...

文件以 STARTINGWORK 开头并以文本行结尾。
我需要在最后一个 STARTINGWORK 之后提取最终文本部分，不带 STARTINGWORK str

我尝试使用 3 个 for 循环（一个开始，另一个读取中间行，最后一个结束）

     file = "records.txt"
     if file.endswith (".txt"):
       if os.path.exists (file):
         lines = [line.rstrip ('\ n') for line in open (file)]
         for line in lines:
             #extract the portion

【问题讨论】：

标签： python python-3.x file for-loop readlines

【解决方案1】：

您可以使用file_read_backwards 模块从头到尾读取文件。如果文件很大，它可以帮助您节省时间：

from file_read_backwards import FileReadBackwards

with FileReadBackwards("records.txt") as file:
    portion = list()
    for line in file:
         if not line.startswith('STARTINGWORKING'):
            portion.append(line)
         else:
            break
portion.reverse()

portion 包含所需的行。

【讨论】：

当我尝试这个时，除了 OSError 之外它还给我。我正在使用尝试，除了验证文件的路径。
我把文件名改成了records.txt。
如果我打印部分，我会得到全文：/
它对我来说很好用。 STARTING WORKING之前可能有一个字符。您可以制作小的虚拟文本文件，然后尝试上面的代码并进行调试。
它工作，在 txt 文件中拼写错误（'STARTINGWORKING'）。唯一剩下的是我需要在这部分上去掉 \n ，但这没什么大不了的！谢谢

【解决方案2】：

试试这个：

file = "records.txt"
extracted_text = ""
    if file.endswith (".txt"):
        if os.path.exists (file):
            lines = open(file).read().split("STARTINGWORKING")
            extracted_text = lines[-1] #Here it is

【讨论】：

这不适用于超过 2 个 STARTWORKING。在文本中实际上可以有2个，但可以随机增加。所以目标是在最后一个 STARTINGWORK 之后到达最后一行
@BenjamínSerra 为什么现在不能工作？你真的试过了吗？
@BenjamínSerra 行：open(file).read().split('STARTINGWORK') 将列出每次出现“STARTINGWORK”之间的所有文本部分。然后你可以简单地取出该列表中的最后一个元素，而 Akaisteph7 的其余代码只是正确删除日期和时间。
@BenjamínSerra 如果您的问题得到解决，请标记正确答案。
@Akaisteph7 是的，我正在尝试使用此代码。但是仍然无法正常工作，如果我使用extracted_text，我会得到整个文本或数字22 51。我不知道我做错了什么：/

【解决方案3】：

我会采取regex 路径来解决这个问题：

>>> import re
>>> input_data = open('path/file').read()
>>> result = re.search(r'.*STARTINGWORKING\s*(.*)$', input_data, re.DOTALL)
>>> print(result.group(1))
#'DD / MM / YYYY HH: MM: SS\n... text lines I want ...\n... more text lines that I want ...'

【讨论】：

print(result.group(1)) AttributeError: 'NoneType' 对象没有属性 'group'
这项工作比其他答案更好更简单。谢谢！
@GUNTERSAMA 很高兴您找到了解决方案，但我认为这并不简单..

【解决方案4】：

get_final_lines 生成器试图避免 mallocing 比需要更多的存储空间，在读取一个可能很大的文件时。

def get_final_lines(fin):
    buf = []
    for line in fin:
        if line.startswith('STARTINGWORK'):
            buf = []
        else:
            buf.append(line)

    yield from buf


if __name__ == '__main__':
    with open('some_file.txt') as fin:
        for line in get_final_lines(fin):
            print(line.rstrip())

【讨论】：

【解决方案5】：

您可以有一个变量来保存自上次STARTINGWORK 以来您已阅读的所有行。
当您完成文件处理后，您就拥有了所需的内容。

当然，您不需要先将所有行读取到列表中。您可以直接在打开的文件中读取它，并且一次返回一行。即：

result = []
with open(file) as f:
    for line in f:
        if line.startswith("STARTINGWORK"):
            result = []       # Delete what would have accumulated
        result.append(line)  # Add the last line read
print("".join(result))

在result中你拥有最后一个STARTINGWORK之后的所有内容，如果你想删除初始的STARTINGWORK，你可以保留result [1:]

- 然后在代码中：

#list
result = []

#function
def appendlines(line, result, word):
  if linea.startswith(word):
    del result[:]
  result.append(line)
  return line, result

with open(file, "r") as lines: 
  for line in lines:              
    appendlines(line, result, "STARTINGWORK")
new_result = [line.rstrip("\n") for line in result[1:]]

【讨论】：