Question

我在python中有一个大文本文件。我想使用关键字将其分成2个。关键字上方的文件必须复制到一个文件，而文件的其余部分复制到另一个。我想将这些具有不同扩展名的文件保存在同一目录中。请帮助我。

此外，如何将文件从一种格式转换为另一种格式？例如，将.txt转换为.xml或将.cite转换为.xml吗？

Answer 1

要回答问题的第一部分，您可以在阅读文本并将其写入新文件后简单地使用split函数：

with open('oldfile.txt', 'r') as fh:
    text_split = fh.read().split(keyword)

with open('newfile' + extension1, 'w') as fh:
    fh.write(text_split[0])

with open('newfile' + extension2, 'w') as fh:
    # If you know that the keyword only appears once
    # you can changes this to fh.write(text_split[1])
    fh.write(keyword.join(text_split[1:]))

问题的第二部分要困难得多。我不知道您使用的是哪种文件格式，但是txt文件只是纯文本，没有特定的结构。 XML文件不能从任意格式转换。如果要使用.txt格式的XML文件，则可以将格式更改为XML，但是如果要转换CSV等格式，建议您使用lxml之类的库。

编辑：如果文件不适合内存，则可以遍历以下行：

with open('oldfile.txt', 'r') as fh:
    fh_new = open('newfile' + extension1, 'w')
    keyword_found = False
    line = fh.readline()
    while line:
        if not keyword_found:
            text_split = line.split(keyword)
            fh_new.write(text_split[0])
            if len(text_split) > 1: 
                fh_new.close()
                keyword_found = True
                fh_new = open('newfile' + extension2, 'w')
                fh_new.write(text_split[1:])
        else:
            fh_new.write(line)

        line = fh.readline()
    fh_new.close()

Answer 2

关于拆分文件，应该这样做（考虑文件的大小）：

import mmap
regex=b'your keyword'
f=open('your_path_to_the_main_file','rb')
s = mmap.mmap(f.fileno(), 0, access=mmap.ACCESS_READ)
first_occurance_position=s.find(regex)
if(first_occurance_position==0)
 print('this is a mistake')
 f.close()
 quit()

buf_size=0xfff
first_part_file=open('your_path_to_the_first_part'+'.its_extension','wb')
second_part_file=open('your_path_to_the_second_part'+'.its_extension','wb')
i=0;
if(buf_size>len(regex)):
 buf_size=len(regex)
b=f.read(buf_size)
while(b):
 i=i+buf_size
 first_part_file.write(b)
 if(i==first_occurance_position):
  break
 if(first_occurance_position-i<buf_size):
  buf_size=first_occurance_position-i
 b=f.read(buf_size)

b=f.read(0xffff)
while(b):
 second_part_file.write(b)
 b=f.read(0xffff)

first_part_file.close()
second_part_file.close()
f.close()

使用python使用关键字将文件拆分为多个文件

2 个答案: