Question

我处理这样的文本文件：

第01章

Lorem ipsum

阿特尔（Amet）静坐，奉献爱国，塞德（Eed）做临时性骚扰

第02章

consectetur adipiscing

sed做eiusmod tempor

第03章

et dolore magna aliqua。

带有诸如章，章，章等的分隔符以及1或2位数字（第1章或第01章）。

我设法使用.open（）和.read（）在Python中打开和读取文件

mytext = myfile.read()

现在，我需要分割字符串，以便获取第XX章的文本。

对于第02章，应该是：

consectetur adipiscing

sed做eiusmod tempor

我是Python的新手，我读到了有关正则表达式，匹配，映射或拆分的信息，但是...嗯...

（我正在编写一个Gimp Python-fu插件，所以我使用捆绑在Gimp中的Python版本2.7.15）。

谢谢！（真的很抱歉，如果以前曾问过这个问题，我已经完成了研究，但是...）

Answer 1

您可以使用正则表达式，如下所示：

import re

#splits on "Chapter " + a sequence of numbers + a newline
#re.IGNORECASE means it will split on "CHAPTER" or "chapter" or "Chapter" etc
split_text = re.split("Chapter [0-9]+\n", mytext, flags=re.IGNORECASE)

print(split_text)

>>> ['', '\nLorem ipsum\n\ndolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt\n\n', '\nconsectetur adipiscing\n\nsed do eiusmod tempor\n\n', '\net dolore magna aliqua.']

您现在可以按split_text的索引从每个章节中选择文本，例如：

print(split_text[2])

>>> 
consectetur adipiscing

sed do eiusmod tempor

Answer 2

您可以尝试以下波纹

chapter = [""]
for i in range(1,4):

  nb1=text.find("Chapter "+ "%02d" % (i,))
  nb2=text.find("Chapter "+ "%02d" % (i+1,))

  chapter.append(text[nb1:nb2])

for i in range(1,4):
    print(chapter[i])

或带有正则表达式：

import re

chapter = re.split("Chapter [0-4]+\n", text)

for i in range(1,4):
    print(chapter[i])

分割文字档Python

2 个答案: