Разбор стенограмм в таблицы - PullRequest
Новая
       56

Разбор стенограмм в таблицы

1 голос
/ 17 июня 2020

Мой вопрос очень похож на этот: Python синтаксический анализ текста из нескольких текстовых файлов

Я хотел бы получить такой же результат.

Я работаю над использованием конечного автомата, как предлагает mangupt, но я не уверен, как лучше всего адаптировать этот код для моих файлов. Вот что у меня есть. 

state = ["other", "head", "present", "qa", "speaker", "data"]
#codes : 0, 1, 2, 3, 4, 5
def writecell(out, data):
    data = data.replace('"', '""')
    out.write('"')
    out.write(data)
    out.write('"')
    out.write(",")

def readfile(fname, outname):
    initstate = 0
    f = open(fname, "r")
    out = open(outname, "w")
    head = ""
    head_written = 0
    quotes = 0
    had_speaker = 0
    for line in f:
        line = line.strip()
        if not line: continue
        if initstate in [0,5]:
            if initstate == 5:
                out.write('"')
                quotes = 0
                out.write("\n")
            initstate = 1
        elif initstate in [0,5]:
            if initstate == 5:
                out.write('"')
                quotes = 0
                out.write("\n")
                initstate = 4
        elif initstate == 1 and line == "Presentation" or line == "P R E S E N T A T I O N":
            initstate = 2
            head = "Presentation"
            head_written = 0
        elif initstate == 1 and line == "Questions and Answers" or line = "Q U E S T I O N S A N D A N S W E R S":
            initstate = 3
            head = "Questions and Answers"
            head_written = 0
        elif initstate == 1:
            initstate = 0
        elif initstate in [2, 3]:
            initstate = 4
        elif initstate == 4 and ":" in line in line:
            comma = line.find(',')
            speech_st = line.find(':')
            speech_end = line.find(':')
            if speech_st == -1:
                initstate = 0
                continue
            if comma == -1:
                firm = ""
                speaker = line[:speech_st].strip()
            else:
                speaker = line[:comma].strip()
                firm = line[comma+1:speech_st].strip()
            head_written = 1
            if head_written:
                writecell(out, head)
                head_written = 0
            order = line[speech_st+1:speech_end]
            writecell(out, speaker)
            writecell(out, firm)
            writecell(out, order)
            had_speaker = 1
        elif initstate == 4:
            if had_speaker:
                initstate = 5
                out.write('"')
                quotes = 1
            had_speaker = 0
        elif initstate == 5:
            line = line.replace('"', '""')
            out.write(line)
        elif initstate == 0:
            continue
        else:
            continue
    f.close()
    if quotes:
        out.write('"')
    out.close()

Вот несколько примеров моих файлов:

https://pastebin.com/EACpRDvy

https://pastebin.com/EqGPp4vg

https://pastebin.com/X08vAX5J

Спасибо !!

...