Question

我有一个如下文字文件：

<Author>Marilyn1949
<Content>great way of doing things.
can you provide more info.blah blah blah..  
<Date>Dec 1, 2008...
(file content continues in similar fashion for other authors)"

我正在尝试使用以下代码提取内容部分。你能帮我弄清楚我错过了什么，因为我的文件只是作为一个[]的数组生成。

text_file = open("output/out.txt", "w")
for file in os.listdir("./"):
    if glob.fnmatch.fnmatch(file, '*.txt'):
        with open(file, "r") as source:
            L= source.read()                
            pattern =  re.compile(r'<Content>*<Date>')              
            for match in L:
                result = re.findall(r'<Content>.*<Date>', match)
                text_file.write(str(result))
                text_file.write('\n')

Answer 1

点字符匹配除换行符之外的任何内容。使用re.DOTALL flag也可以使其与换行符匹配：

result = re.findall(r'<Content>.*<Date>', match, flags=re.DOTALL)

此外，您可能不想捕获标记：

result = re.findall(r'<Content>(.*)<Date>', match, flags=re.DOTALL)

稍微清理你的例子：

with open(file, "r") as source:
    results = re.findall(r'<Content>(.*?)<Date>', source.read(), flags=re.DOTALL)
    text_file.write('\n'.join(results))

用于挖掘文件内容的正则表达式

1 个答案: