Question

我想使用Python从temp.txt文件中提取由标题定义的文本块。

temp.txt如下所示，其中header1（year）和header2（month）由分隔符'tab = / t'分隔：

header1="2016"/theader2="Jan"
Lion Animal
Apple Food
.end

header1="2016"/theader2="Feb"
Tiger Animal
Orange Food
.end

我编写了一个脚本，如下所示（cmd：python script.py [year] [month] with argvs），但是这允许我仅为指定的（月，年）提取数据，并且有限制通配月（或年）来提取所有文本。（例如，如果我尝试使用python script.py [year] *进行通配符月份，则无效。）有更好的方法吗？

import pandas as pd
import re
import sys

year = sys.argv[1]
month =sys.argv[2]

with open('./temp.txt') as infile, open('./output', 'w') as outfile:
    copy = False
    for line in infile:
        if line.strip() == 'header1="%s"\theader2="%s"' % (year,month):
            copy = True
        elif line.strip() == '.end':
            copy = False
        elif copy:
            outfile.write(line)

pd.read_csv('./output', encoding='utf8', sep='\;', dtype='unicode').to_excel('./output.xlsx', sheet_name='sheet2', index=False)

Answer 1

您可以在脚本中添加通配符：

if ((year == '*' or ('header1="%s"' % year) in line.strip()) and
    (month == '*' or ('header2="%s"' % month) in line.strip())
    ):
    copy = True

从bash调用时，您需要转义或引用星号，以便它不会扩展到文件列表，例如：

python script.py [year] \*
python script.py [year] '*'

程序的一般形状是正确的，但至少需要：

遍历各行
跟踪您是否在匹配的区块中
在需要时写入outfile

你的脚本几乎就是这样，所以我不会太担心优化它。

如何使用Python在两个字符串之间提取文本？

1 个答案: