Question

我有一个标题列表，我必须在这些标题之间提取文本。但这些标题不遵循命令（有时标题1可以是标题3，依此类推），在这种情况下，我如何处理这种提取？

实施例

Biography

text

text

Place of Birth

Text

Text

Life Style

text

text

Marriage

Text

Text

如果所有标题都按顺序放置，我可以使用下面的代码，但在我的情况下，这些标题不遵循订单，它会不断更改不同的输入文件。

with open('path/to/input') as infile, open('path/to/output', 'w') as outfile:
    copy = False
    for line in infile:
        if line.strip() == "Biography":
            copy = True
        elif line.strip() == "Place of Birth":
            copy = False
        elif copy:
            outfile.write(line)

Answer 1

只要所有＆＃34;标题＆＃34;事先知道，它足以改变你原来的路线：

elif line.strip() == "Place of Birth":

以这种方式：

elif line.strip() in ["Place of Birth", "Life Style", "Marriage", ...]:

Answer 2

假设每个标题都以大写字母开头。

with open('path/to/input') as infile, open('path/to/output', 'w') as outfile:
    copy = False
    for line in infile:
        line = line.strip()
        if line[0] == line[0].capitalize():
            copy = True
        else:
            copy = False

        if copy:
            outfile.write(line)

Answer 3

如果您只想提取某些标题的数据并避免其他标题的数据，那么对于那些您将副本设置为True，对于所有其他标题（确保匹配所有标题），所有其他标题都会使副本错误。

示例 -

if title in [<list of titles to save data>]:
    copy = True
elif title in [<list of titles to not save data>]:
    copy = False

要使用标题作为列名保存数据并将内部数据保存为记录，您可以先将每个列及其数据存储在另一个列表中的一行中，然后再使用 - list(zip(*lst))转置该列表。其中lst是您的列表，然后您可以使用numpy创建一个包含此列表的数组，并将数据保存到带有,分隔符的csv中。

示例代码 -

import numpy
lst = []
with open('path/to/input') as infile:
    copy = False
    for line in infile:
        if line.strip() in ["Biography"]:
            copy = True
            lst.append([line.strip()])
        elif line.strip() in ["Place of Birth"]:
            copy = False
        elif copy:
            lst[-1].append(line.strip())

lst = list(zip(*lst))
n = numpy.array(lst)
numpy.savetext("foo.csv", n, delimiter=",")

提取两个字符串/标题之间的文本

3 个答案: