具有跨多行前缀的读取文件
具有跨多行前缀的读取文件
提问于 2021-01-19 12:35:11
你好，我想清理一个文本文件，其中包含一个记录。
我复印并粘贴了一小部分：
*CHI: and when he went to sleep one night , somehow the frog escaped from
the jar while he was sleeping .
%mor: coord|and conj|when pro:sub|he v|go&PAST prep|to n|sleep
pro:indef|one n|night cm|cm adv|somehow det:art|the n|frog
v|escape-PAST prep|from det:art|the n|jar conj|while pro:sub|he
aux|be&PAST&13S part|sleep-PRESP .
%gra: 1|4|LINK 2|4|LINK 3|4|SUBJ 4|0|ROOT 5|4|JCT 6|5|POBJ 7|13|LINK
8|13|SUBJ 9|8|LP 10|13|JCT 11|12|DET 12|13|SUBJ 13|6|CMOD 14|13|JCT 15|16|DET
16|14|POBJ 17|20|LINK 18|20|SUBJ 19|20|AUX 20|13|CJCT 21|4|PUNCT
*INV: 0 [=! gasps] .
*CHI: when the boy woke up he noticed that the frog had disappeared .
%mor: conj|when det:art|the n|boy v|wake&PAST adv|up pro:sub|he
v|notice-PAST pro:rel|that det:art|the n|frog aux|have&PAST
dis#part|appear-PASTP .基本上，我只想读前缀*CHI:但是阅读他们说过的所有行，这是我的代码。
def read_file(name):
file = open(name,"r",encoding = "UTF-8")
content = file.readlines()
file.close()
return content
def extract_file(text):
clean = []
for line in text:
if line.startswith("*CHI:"):
line = line.replace('\t','')
clean.append(line)
return clean但这只会读取带有前缀的行，但不会一直读到末尾。它会在\n之后停止
所以，当我运行这个，我会得到
一天晚上，当他睡着时，青蛙不知何故逃离了\n，而不是
一天晚上，当他睡着的时候，不知何故，青蛙在睡觉的时候从罐子里逃了出来。
回答 2
Stack Overflow用户
回答已采纳
发布于 2021-01-19 13:02:09
您正在尝试处理多行格式的逐行格式。当然，例如，可以在if语句中设置一个指示符，并在完成时清除它：
def extract_file(text):
clean = []
for line in text:
if line.startswith("*CHI:"):
append = True
elif not line.startwith('\t'):
append = False
if append:
line = line.replace('\t','')
clean.append(line)
return clean另一种方法是在变量data中读取整个文件(或者可以使用mmap)，然后使用regex提取感兴趣的数据：
def extract_file(name):
with open(name,"r",encoding = "UTF-8") as file:
data = file.read()
r = re.search("^(\*CHI:.*?)^[^\t]", data, re.M | re.S)
return r.groups(1)[0].replace('\t','').split('\n')Stack Overflow用户
发布于 2021-01-19 12:58:37
一种解决方案是使用bool来告诉您是否应该读取以制表符空间开头的行，然后将该行追加到干净列表中的最后一个条目中。
下面是您的extract_file函数的外观。
def extract_file(text):
clean = []
read_tab_line = False
for line in text:
if line.startswith("*CHI:"):
read_tab_line = True # we want to read the following tab lines
clean.append(line)
elif read_tab_line and line.startswith("\t"):
clean[-1] += line
else:
read_tab_line = False # we do not want to read the following tab lines
return clean页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/65791631
复制相关文章
相似问题
腾讯云开发者
