匹配多个关键字_一个文本按指定字符分割成多个文本

客官°小女子只卖身不卖艺 2023-01-07 03:47 159阅读 0赞

![a7034bbd55d8bcf954e9576b48ca47a6.png][]

作者：小郭

源自：快学Python

今天师兄扔给我一个txt，说：“来，小郭，你把这个文本处理一下，按照指定字符分割成多个文本。”这下可难倒我了，不过好在功夫不负有心人，几经周折之后把它完成了。

![48307464f0b3adfbde98d378257f7def.gif][]

先来看一下处理前的文本

![3ad1f067a3e85b565eaf155f0d46930e.png][]

处理后的文本

![53440810cc7b031a88b618f85b72d293.png][]

每个文本中的内容格式如下：

![c2b54b78d79ea2d84c1d1f8d9dac0179.png][]

接下来详细介绍一下处理过程

### **1.读取文本及指定分割的字符** ###

inputfile = input('Input SourcFile:') ##输入源文件，如A.txt     fp = open(inputfile, 'r',encoding="UTF-8")     number =[]    #用来存放指定分割字符所在行数     lineNumber = 1     keyword = input('Slice Keyword:') ##输入你要切分的关键字     outfilename = input('Outfilename:')##输出文件名，如out.txt则写out即可，后续输出的文件是out0.txt,out1.txt...

### **2.寻找指定分割字符，打印所在行数** ###

count = 0 #记录文件所有行数     for index, line in enumerate(fp):         count += 1         m=re.search(keyword,line)         print(m)         if m is not None:             number.append(index)     print(number)     print(count)

*  re.search
    
     *  扫描整个字符串，并返回第一个成功的匹配。如果匹配失败，则返回None。
     *      re.search(pattern, string, flags=0)
     *  pattern : 正则中的模式字符串。
     *  string : 要被查找替换的原始字符串。
     *  flags : 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等
 *  针对文本的中用到的search函数测试结果如下：
    
     *  ![6b661994c83715f95eab8adcdef1fe5f.png][]

### **3.截取内容读入新文本** ###

for i in range(0,len(number)-1):         start = number[i]         print(start)         end = number[i+1]         print(end)         destLines = linecache.getlines(inputfile)[start+1:end] #将行号为start+1到end-1的文件内容截取出来         fp_w = open(outfilename + str(i)+'.txt','w',encoding="utf-8") #将截取出的内容保存在输出文件中         for key in destLines:             fp_w.write(key)         fp_w.close()

*  **如果不确定自己打印的内容行数，可以将行数先输出**

### **结语** ###

在编写代码的过程中文本编码格式老报错，格式费了半天劲才搞懂是怎么回事，记得文本txt的编码格式是UTF-8才能被顺利读取。文本的切分在NLP中数据预处理模块经常会用到，希望这篇文章对你有所帮助！加油，奥里给！

![031b147631a449efa25afbc3154a2c98.png][]

[a7034bbd55d8bcf954e9576b48ca47a6.png]: /images/20221119/ca1f21db435d46f29fa30e20c261518b.png
[48307464f0b3adfbde98d378257f7def.gif]: /images/20221119/8ea6716c8ec546a5bc52223b769ff30d.png
[3ad1f067a3e85b565eaf155f0d46930e.png]: /images/20221119/52315f2293ad4840846b67db46e94cb9.png
[53440810cc7b031a88b618f85b72d293.png]: /images/20221119/3e327e5290cf46d29d13aa77e99cba49.png
[c2b54b78d79ea2d84c1d1f8d9dac0179.png]: https://img-blog.csdnimg.cn/img_convert/c2b54b78d79ea2d84c1d1f8d9dac0179.png
[6b661994c83715f95eab8adcdef1fe5f.png]: https://img-blog.csdnimg.cn/img_convert/6b661994c83715f95eab8adcdef1fe5f.png
[031b147631a449efa25afbc3154a2c98.png]: https://img-blog.csdnimg.cn/img_convert/031b147631a449efa25afbc3154a2c98.png