Question

试图找到一种让这个过程以pythonically方式工作的方法。基本上，我有一个很长的文本文件，分成行。每x行数有一个主要是大写的，大致应该是该特定部分的标题。理想情况下，我希望标题和之后的所有内容都使用标题作为文件的名称进入文本文件。在这种情况下，这必须发生3039，因为那里会有很多标题。到目前为止，我的流程是这样的：我创建了一个通过文本文件读取的变量，告诉我它是否大部分是大写的。

def mostly_uppercase(text):
    threshold = 0.7
    isupper_bools = [character.isupper() for character in text]
    isupper_ints = [int(val) for val in isupper_bools]
    try:
        upper_percentage = np.mean(isupper_ints)
    except:
        return False
    if upper_percentage >= threshold:
        return True
    else:
        return False

之后，我制作了一个计数器，以便我可以创建一个索引，然后我将它组合起来：

counter = 0

headline_indices = []

for line in page_text:
    if mostly_uppercase(line):
        print(line)
        headline_indices.append(counter)
    counter+=1

headlines_with_articles = []
headline_indices_expanded = [0] + headline_indices + [len(page_text)-1]

for first, second in list(zip(headline_indices_expanded, headline_indices_expanded[1:])):
    article_text = (page_text[first:second])
    headlines_with_articles.append(article_text)

就我所知，所有这些似乎都很好。但是当我尝试打印我想要的文件时，我所要做的就是将整个文本打印到所有txt文件中。

for i in range(100):
    out_pathname = '/sharedfolder/temp_directory/' + 'new_file_' + str(i) + '.txt'
    with open(out_pathname, 'w') as fo:
        fo.write(articles_filtered[2])

编辑：这让我走到了一半。现在，我只需要用第一行命名每个文件的方法。

for i,text in enumerate(articles_filtered):
    open('/sharedfolder/temp_directory' + str(i + 1) + '.txt', 'w').write(str(text))

Answer 1

处理单个输入文件的一种传统方法涉及使用Python with语句和for循环，方法如下。我还调整了其他人的好答案来计算大写字符，以获得你需要的分数。

def mostly_upper(text):
    threshold = 0.7
    ## adapted from https://stackoverflow.com/a/18129868/131187
    upper_count = sum(1 for c in text if c.isupper())
    return upper_count/len(text) >= threshold

first = True
out_file = None
with open('some_uppers.txt') as some_uppers:
    for line in some_uppers:
        line = line.rstrip()
        if first or mostly_upper(line):
            first = False
            if out_file: out_file.close()
            out_file = open(line+'.txt', 'w')
        print(line, file=out_file)
out_file.close()

在循环中，我们读取每一行，询问它是否大多数是大写的。如果是，我们关闭用于上一行集合的文件，并为下一个集合打开一个新文件，使用当前行的内容作为标题。

我允许第一行可能不是标题。在这种情况下，代码创建一个文件，其中第一行的内容作为其名称，并继续将它找到的所有内容写入该文件，直到找到标题行。

每次范围更改Python 3.6时，将每个范围集的所有行写入新文件

1 个答案: