拆分文本文件 Python答案

【问题标题】：Split text file Python拆分文本文件 Python
【发布时间】：2018-12-29 12:18:43
【问题描述】：

我正在处理这样的文本文件：

第 1 章

Lorem ipsum

dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt

第02章

consectetur adipiscing

sed 做 eiusmod 时间

第03章

et dolore magna aliqua。

带有“chapter”、“Chapter”、“CHAPTER”等分隔符以及 1 或 2 位数字（“Chapter 1”或“Chapter 01”）。

我设法使用.open() 和.read() 在 Python 中打开和读取文件

mytext = myfile.read()

现在我需要拆分字符串，以获取“第 XX 章”的文本。

对于第 2 章，那就是：

consectetur adipiscing

sed 做 eiusmod 时间

我是 Python 新手，我读过关于 regex、match、map 或 split 的内容，但是……嗯……

（我正在写一个 Gimp Python-fu 插件，所以我使用 Gimp 中捆绑的 Python 版本，即 2.7.15）。

【问题讨论】：

标签： python string python-2.7 split

【解决方案1】：

你可以像这样使用正则表达式：

import re

split_text = re.split("Chapter [0-9]+\n",  # splits on "Chapter " + numbers + newline
                      mytext, 
                      flags=re.IGNORECASE) # splits on "CHAPTER"/"chapter"/"Chapter" etc

>>> split_text
['', '\nLorem ipsum\n\ndolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt\n\n', '\nconsectetur adipiscing\n\nsed do eiusmod tempor\n\n', '\net dolore magna aliqua.']

您现在可以通过split_text 的索引从每个章节中选择文本，例如：

print(split_text[2])

>>> 
consectetur adipiscing

sed do eiusmod tempor

【讨论】：

【解决方案2】：

你可以试试这个

chapter = [""]
for i in range(1,4):

  nb1=text.find("Chapter "+ "%02d" % (i,))
  nb2=text.find("Chapter "+ "%02d" % (i+1,))

  chapter.append(text[nb1:nb2])

for i in range(1,4):
    print(chapter[i])

或使用正则表达式：

import re

chapter = re.split("Chapter [0-4]+\n", text)

for i in range(1,4):
    print(chapter[i])

【讨论】：

with delimiters like chapter, Chapter, CHAPTER, etc... and 1 or 2 digits (Chapter 1 or Chapter 01) 这没有考虑到“章节”中大小写的可变性，或者超出示例范围的章节编号，或者小于 10 且没有前导 0 的数字（在第一个代码中）块，正则表达式确实捕获了最后一种情况）。