Question

我是python的新手，我有一个问题。我有几个文本文件，我想提取每个文件的结论部分文本文件如下所示：

结果：在调整后的分析中，每小时PAC计数加倍与之相关 AF风险显着增加（风险比，1.17 [95％CI，1.13至1.22]
限制：本研究未建立PAC与AF之间的因果关系。
结论：在经过验证的AF风险算法中增加了PAC计数优越的AF风险歧视，并显着改善风险重新分类。需要进一步研究以确定PAC修改是否可以前瞻性降低AF风险。
初级资助来源：美国心脏协会，约瑟夫溺水基金会和美国国立卫生研究院。

我在同一个文件夹中有多个文件，如何对该文件夹中的所有文件执行相同的操作？
提前谢谢！

Answer 1

我不擅长正则表达式，并且不太确定它是否是最佳方式，但它有效：）

import os
import re
path = 'path/to/your/files/'
for i in os.listdir(path):
    with open(path+i) as f:
        content = f.read()
        pattern = re.compile('CONCLUSION:\s*([\s\w.]*)\n[A-Z\s]*:')
        print pattern.findall(content)[0]

Answer 2

您应该使用正则表达式来提取所需的数据：

import re
import os, os.path

PATH = 'path/to/your/files/'

conclusions = []
for file in os.listdir(path):
    with open(os.path.join(PATH, file)) as f:
        data = f.read()

    conclusion = re.search('CONCLUSION: (.*?)([A-Z]{2,})', data).group(1)
    conclusions.append(conclusion)

这将查找'CONCLUSION: '标题，然后在此之后扫描数据，在下一个标题之后停止，该标题将始终是您指定的大写字词。

Answer 3

This将帮助您列出目录中的所有文件。

然后为每个文件

通过所有行迭代
查看当前行是否以结论开头：
在该行上执行子字符串以获取结论一词后的所有内容：

从文本中提取某段

3 个答案: