Question

我有一个文本文件：

“会计原则。否定质押条款。条款限制子公司分配。业务范围......会计原则：在IFRS的定义中定义。行政的代理人：SVB ......如果出现任何会计原则（如定义如下）并且此类变更结果......“

在此文件中，“会计原则”出现三次，“IFRS”出现一次。

我尝试在每个“会计原则”和“IFRS”之后提取3000个字符（或300个字）。现在我只能在第一次出现“会计原则”后提取字符，并为“会计原则”和“IFRS”编写单独的代码。所以我的问题是如何在每次出现“会计原则”后提取3000个字符，以及如何编写一个我可以处理“会计原则”和“IFRS”的代码，而不是使用两个单独的代码？

非常感谢！

我的代码如下：

import os
sourcepath=os.listdir('try/')
for filename in sourcepath:
    inputfile='try/'+filename
    with open(inputfile, 'r') as f:
        text=f.read()
        index=text.index('Accounting Principles')
        right=text[index: index+3000]
        print(right)

import os
sourcepath=os.listdir('try/')
for filename in sourcepath:
    inputfile='try/'+filename
    with open(inputfile, 'r') as f:
        text=f.read()
        index=text.index('IFRS')
        right=text[index: index+3000]
        print(right)

Answer 1

此程序查找“会计原则”或“IFRS”的每个实例，并打印匹配的字符串以及超出其结尾的30个字符。

import re

with open('x.in') as fp:
    text = fp.read()

for m in re.finditer("Accounting Principles|IFRS", text):
    print(text[m.start():m.end()+30])

Answer 2

您可以使用re.sub在"Accounting Principles"或"IFRS"的任何位置创建标记，然后遍历full_string

marked_data = re.sub('Accounting\sPrinciples|IFRS', '*', open('filename.txt').read())
new_data = [marked_data[i:i+3000] for i in range(len(marked_data)-3000)]

如何在文本文件中多次出现的某些单词后提取3000个字符？

2 个答案: