Python按段落将文本文件拆分为csv

Question

我有几个文本文件，我想按段落拆分并转置为 csv 文件。我的文本文件中的每个段落都由一个空行分隔，有些长段落有几行。这是一个文本文件的示例：

“世界你好！

布拉布拉

（空行）

这是第二段。 这里有更多文字

这是一个很长的段落。”

我想获取以下 csv 文件：

filename	text
1.txt	Hello world! Blabla
1.txt	This is the 2nd paragrah. Here is more text and this is a very long paragraph.

这是我目前的代码，但它只提供了一行："1.text, [""Hello world!"", ""This is the 2nd paragraph. Here is more text. \nand这是一个很长的段落""]"：

import os, csv
os.chdir('path where I have text files')
from pathlib import Path
with open('output.csv', 'w', newline="", encoding="utf-16") as out_file:
    csv_out = csv.writer(out_file)
    csv_out.writerow(['filename', 'Content'])
    for fileName in Path('.').glob('*.txt'):
        csv_out.writerow([str(fileName),open(str(fileName.absolute())).read().strip().split("\n\n")])

Answer 1

假设您使用\n\n 定义新段落，例如

Hello world!\n\nThis is the 2nd paragraph. Here is more text.

所以，你需要将内容按.split('\n\n')分割，然后逐行写入。

使用下面的代码并将路径更新为您自己的：

import csv, os, sys
import glob

with open('output.csv', 'w', newline="", encoding="utf-16") as out_file:
    csv_out = csv.writer(out_file)
    csv_out.writerow(['filename', 'Content'])
    for text_file in glob.iglob('*.txt'):
        with open(text_file, 'r') as txt:
            for line in txt.read().split('\n\n'):
                csv_out.writerow([text_file, line])

这是您期望的输出：

filename,Content
1.txt,Hello world!
1.txt,This is the 2nd paragrah. Here is more text.
2.txt,Hello world! from 2.txt
2.txt,This is the 2nd paragrah. Here is more text. from 2.txt