Отдельные блоки текста Python

Question

Мне интересно, как можно разделить блоки текста в одном текстовом файле.Пример ниже.В основном у меня есть 2 предмета, один из которых переходит от «9 канала» к строке «Brief: ..», другой начинается с «Southern ...» и снова к «Brief».Как можно разделить их на 2 текстовых файла с помощью Python?Я считаю, что общий делитель будет "(женщина 16+)".Большое спасибо!

---

Channel 9 (1 item)

A woman selling her caravan near Bendigo has been left 
$1,100 out
hosted by Peter Hitchener
A woman selling her caravan near Bendigo has been left $1,100 out of 
pocket after an elderly couple made the purchase with counterfeit money. 
The wildlife worker tried to use the notes to pay for a house deposit, but an 
agent noticed the notes were missing the Coat of Arms on one side. 


Brief: Radio & TV
Demographics: 153,000 (male 16+) • 177,000 (female 
16+)

Southern Cross Victoria Bendigo (1 item)


Heathcote Police are warning the residents to be on the 
lookout a
hosted by Jo Hall
Heathcote Police are warning the residents to be on the lookout after a large 
dash of fake $50 note was discovered. Victim Marianne Thomas was given 
counterfeit notes from a caravan. The Heathcote resident tried to pay the 
house deposit and that's when the counterfeit notes were spotted. Thomas 
says the caravan is in town for the Spanish Festival.


Brief: Radio & TV
Demographics: 4,000 (male 16+) • 3,000 (female 16+)

Answer 1

Вот модифицированный пример чего-то похожего, что я делал недавно, в основном просматривает ваш текст и копирует построчно.Основная логика основана на добавлении к текущему имени файла, которое сбрасывается после поиска нового раздела.Будет использоваться первая строка следующего раздела в качестве имени файла.

#!/usr/bin/env python
import re

data = """
Channel 9 (1 item)

A woman selling her caravan near Bendigo has been left $1,100 out hosted by
Peter Hitchener A woman selling her caravan near Bendigo has been left $1,100
out of pocket after an elderly couple made the purchase with counterfeit money.
The wildlife worker tried to use the notes to pay for a house deposit, but an
agent noticed the notes were missing the Coat of Arms on one side.

Brief: Radio & TV Demographics: 153,000 (male 16+) • 177,000 (female 16+)

Southern Cross Victoria Bendigo (1 item)

Heathcote Police are warning the residents to be on the lookout a hosted by Jo
Hall Heathcote Police are warning the residents to be on the lookout after a
large dash of fake $50 note was discovered. Victim Marianne Thomas was given
counterfeit notes from a caravan. The Heathcote resident tried to pay the house
deposit and that's when the counterfeit notes were spotted. Thomas says the
caravan is in town for the Spanish Festival.

Brief: Radio & TV Demographics: 4,000 (male 16+) • 3,000 (female 16+)
"""



current_file = None
for line in data.split('\n'):

    # Set initial filename
    if current_file == None and line != '':
        current_file = line + '.txt'

    # This is to handle the blank line after Brief
    if current_file == None:
        continue

    text_file = open(current_file, "a")
    text_file.write(line + "\n")
    text_file.close()

    # Reset filename if we have finished this section
    # which is idenfitied by:
    #    starts with Brief - ^Brief
    #    contains some random amount of text - .*
    #    ends with ) - )$
    if re.match(r'^Brief:.*\)$', line) is not None:
        current_file = None

Это выведет следующие файлы

Channel 9 (1 item).txt
Southern Cross Victoria Bendigo (1 item).txt

Answer 2

Вот что-то с жестким кодированием, которое сделает это:

s = """Channel 9 (1 item)

A woman selling her caravan near Bendigo has been left $1,100 out hosted by Peter Hitchener A woman selling her caravan near Bendigo has been left $1,100 out of pocket after an elderly couple made the purchase with counterfeit money. The wildlife worker tried to use the notes to pay for a house deposit, but an agent noticed the notes were missing the Coat of Arms on one side.

Brief: Radio & TV Demographics: 153,000 (male 16+) • 177,000 (female 16+)

Southern Cross Victoria Bendigo (1 item)

Heathcote Police are warning the residents to be on the lookout a hosted by Jo Hall Heathcote Police are warning the residents to be on the lookout after a large dash of fake $50 note was discovered. Victim Marianne Thomas was given counterfeit notes from a caravan. The Heathcote resident tried to pay the house deposit and that's when the counterfeit notes were spotted. Thomas says the caravan is in town for the Spanish Festival.

Brief: Radio & TV Demographics: 4,000 (male 16+) • 3,000 (female 16+)"""

part_1 = s[s.index("Channel 9"):s.index("Southern Cross")]

part_2 = s[s.index("Southern Cross"):]

И затем сохраните их в файлы.

Answer 3

Похоже, что строки, начинающиеся с " Demographics: ", действуют как real Делители.Я бы использовал регулярные выражения двумя способами: во-первых, разделить текст по этим строкам;во-вторых, извлеките эти строки сами.Затем результаты можно объединить для восстановления блоков:

import re
DIVIDER = 'Demographics: .+' # Make it tunable, in case you change your mind
blocks_1 = re.split(DIVIDER, text)
blocks_2 = re.findall(DIVIDER, text)
blocks = ['\n\n'.join(pair) for pair in zip(blocks_1, blocks_2)
blocks[0]
#Channel 9 (1 item)\n\nA woman selling her caravan near ... 
#... Demographics: 153,000 (male 16+) • 177,000 (female 16+)

Answer 4

На самом деле, я подозреваю, что вы действительно хотите разорвать после ссылки, начинающейся с Demographics:, или до строки, заканчивающейся (1 item) или (2 items) или аналогичной.

Но как бы вы ни хотели сломатьесть два шага:

1. Придумайте правило, которое вы можете превратить в функцию, которую вы вызываете в каждой строке.
2. Напишите некоторый код, который группирует вещи на основена результат этой функции.

---

Давайте использовать ваше правило.Функция для этого может быть:

def is_last_line(line):
    return line.strip().endswith('(female 16+)')

Теперь, вот способ, которым вы могли бы сгруппировать вещи, используя эту функцию:

i = 1
outfile = open(f'outfile{i}.txt', 'w')
for line in infile:
    outfile.write(line.strip())
    if is_last_line(line):
        i += 1
        outfile = open(f'outfile{i}.txt', 'w')
outfile.close()

Есть способы, которыми вы можете сделать это намного более кратким с помощьюиспользуя, например, itertools.groupby, itertools.takewhile, iter или другие функции.Или вы можете написать функцию генератора, которая все еще делает вещи вручную, но с yield группами строк, которые позволили бы создавать новые файлы намного проще (и давайте использовать блоки with).Но такая явная формулировка, вероятно, облегчает понимание новичку (и отладку, а затем расширяет его) за счет некоторой детализации.

---

Например, это не очень понятно изкак вы сформулировали свой вопрос, хотите ли вы, чтобы эта строка Demographics: появилась в ваших выходных файлах.Если вы этого не сделаете, должно быть очевидно, как все изменить:

    if not is_last_line(line):
        outfile.write(line.strip())
    else:
        i += 1
        outfile = open(f'outfile{i}.txt', 'w')