将一本书分解成章节 – Python

Question

我有一本大书存储在一个纯文本文件中，我想解析它以便为每一章创建单独的文件。我使用一些简单的正则表达式来查找每一章的标题，但我正在努力捕获其间的所有文本。

import re

txt = open('book.txt', 'r')

for line in txt :
    if re.match("^[A-Z]+$", line):
        print line,

我知道这是相当初级的，但我是新手 python 这让我有点难过。目前我正在逐行进行，所以我的思考过程是：

如果该行是章节标题：创建一个新文件'chapter_title.txt'
如果下一行不是章节标题：将此行写入 chapter_title.txt

不过，我尝试将其实际写出来的尝试不太成功。感谢您的帮助！

编辑： 具体来说，我对文件 I/O 的 Python 语法感到困惑。我试过：

for line in txt :
    if re.match("^[A-Z]+$", line):
        f = open(line + '.txt', 'w')
    else f.write(line + "\n")

作为我的一般方法，但这不会像写的那样起作用。希望帮助构建循环。谢谢

Answer 1

我认为这会起作用：

import re

with open('book.txt', 'r') as file:
    txt = file.readlines()

f = False

for line in txt:
    if re.match("^[A-Z]+$", line):
        if f: f.close()
        f = open(line + '.txt', 'w')

    else:
        f.write(line + "\n")

也许我应该添加一些解释：

with 将自动关闭文件。关闭打开的文件很重要。
readlines()函数可以按行读取文件并将输出保存到列表中。
这里我用的是f = False。所以第一次 if f: 将是 False.

现在这里很重要，如果文件 f 已经打开，那么 if f: 将是 True 并且文件将被 f.close() 关闭（但是第一次 f.close() 不会运行)。

然后，f = open(line + '.txt', 'w') 将文本写入该文件，当 re.match("^[A-Z]+$", line) 为 True 时，该文件将被关闭，并打开另一个文件，如此反复，直到 txt 列表为空。

Answer 2

或许您也可以尝试以下方法：

import re

with open('book.txt', 'r') as file:
    lines = file.read()

contents = re.split("[A-Z]+", lines)
for i in range(1, len(contents), 2):
    with open(contents[i] + '.txt', 'w') as file:
        file.write(contents[i+1])

本书内容按章节标题拆分。然后将生成的章节内容 (contents[i+1]) 写入章节文件 (contents[i] + '.txt')。

编辑：这假设您有固定的章节标题模式。

Answer 3

您寻求语法方面的帮助。

python 的完整语法在这里https://docs.python.org/2/reference/grammar.html?highlight=grammar。

在此处查看更多冗长的 python 文档 @ https://docs.python.org/2/reference/compound_stmts.html#the-if-statement 阅读复合语句（with、for & if）以更准确地了解语法。

此外，请参阅 https://docs.python.org/2/library/functions.html#open 了解内置函数 open()。

与代码块的缩进保持一致，并记住 : 必须跟在套件之前的每个语句之后。

import re

with open('book.txt', 'r') as corpus:
    eye = corpus.readlines()

verdad = False
lambda l: re.match("^[A-Z]+$", l)

for line in eye:
    if l(line):
        if verdad: verdad.close()
        verdad = open(line.replace(' ','_') + '.txt', 'w')
    elif ! l(line):
        if verdad: verdad.close()
    else:
        verdad.write(line + "\n")

将一本书分解成章节 – Python

Parsing a book into chapters – Python

python

regex

parsing

text-analysis

您寻求语法方面的帮助。