【问题标题】：Parsing a book into chapters – Python将一本书解析成章节——Python
【发布时间】：2023-03-13 12:24:01
【问题描述】：

我有一本存储在单个纯文本文件中的大书，我想解析它以便为每一章创建单独的文件。我有一些简单的正则表达式可以找到每一章的标题，但我很难捕捉到它们之间的所有文本。

import re

txt = open('book.txt', 'r')

for line in txt :
    if re.match("^[A-Z]+$", line):
        print line,

我知道这是相当初级的，但我对 python 还很陌生，这让我有点难过。目前我正在逐行进行，所以我的思考过程是：

如果该行是章节标题：创建一个新文件“chapter_title.txt”
如果下一行不是章节标题：将该行写入 chapter_title.txt

虽然我尝试将其实际写出来但不太成功。感谢您的帮助！

编辑： 具体来说，我对文件 I/O 的 Python 语法感到困惑。我试过了：

for line in txt :
    if re.match("^[A-Z]+$", line):
        f = open(line + '.txt', 'w')
    else f.write(line + "\n")

作为我的一般方法，但这不会像写的那样工作。希望帮助构建循环。谢谢

【问题讨论】：

问题到底是什么？看起来你的方向是对的。
基本上我正在寻求语法方面的帮助。该结构对我来说很有意义，但我在文件 I/O 上苦苦挣扎
@gweintraub 嗯...你怎么知道这行是不是一章？
你能从输入文件中发布一些文本吗？
@KevinGuan 我的正则表达式找到章节标题。它们全部采用大写格式，并且单独排成一行。这部分代码确实有效。

标签： python regex parsing text-analysis

【解决方案1】：

我认为这会奏效：

import re

with open('book.txt', 'r') as file:
    txt = file.readlines()

f = False

for line in txt:
    if re.match("^[A-Z]+$", line):
        if f: f.close()
        f = open(line + '.txt', 'w')

    else:
        f.write(line + "\n")

也许我应该添加一些解释：

with 将自动关闭文件。关闭打开的文件很重要。
readlines()函数可以逐行读取文件并将输出保存到列表中。
我在这里使用f = False。所以第一次if f: 将是False。

现在这里很重要，如果文件f 已经打开，那么if f: 将是True 并且文件将被f.close() 关闭（但第一次f.close() 不会运行）。

然后，f = open(line + '.txt', 'w') 会将文本写入该文件，当re.match("^[A-Z]+$", line) 为True 时，该文件将被关闭，并再次打开另一个文件，然后再次打开，直到txt 列表为空。

【讨论】：

@gweintraub 我刚刚添加了一些解释。也许你想看看他们:)
我收到了AttributeError: 'bool' object has no attribute 'write' ，我认为这是有道理的..这是一个错误吗？（当然是最后一行引起的错误..）

【解决方案2】：

也许您还可以尝试以下方法：

import re

with open('book.txt', 'r') as file:
    lines = file.read()

contents = re.split("[A-Z]+", lines)
for i in range(1, len(contents), 2):
    with open(contents[i] + '.txt', 'w') as file:
        file.write(contents[i+1])

书籍内容按章节标题划分。然后将生成的章节内容 (contents[i+1]) 写入章节文件 (contents[i] + '.txt')。

编辑：假设您有固定的章节标题模式。

【讨论】：

【解决方案3】：

您寻求语法方面的帮助。

python的完整语法在这里https://docs.python.org/2/reference/grammar.html?highlight=grammar。

在@https://docs.python.org/2/reference/compound_stmts.html#the-if-statement 处查看更多冗长的 Python 文档以阅读复合语句（with、for & if）以更准确地了解语法。

另外，请参阅https://docs.python.org/2/library/functions.html#open 了解内置函数 open()。

与代码块的缩进保持一致并记住: 必须遵循套件之前的每个语句。

import re

with open('book.txt', 'r') as corpus:
    eye = corpus.readlines()

verdad = False
lambda l: re.match("^[A-Z]+$", l)

for line in eye:
    if l(line):
        if verdad: verdad.close()
        verdad = open(line.replace(' ','_') + '.txt', 'w')
    elif ! l(line):
        if verdad: verdad.close()
    else:
        verdad.write(line + "\n")

【讨论】：