快捷導(dǎo)航

Python如何根據(jù)關(guān)鍵字逐行提取文本內(nèi)容問題

更新時(shí)間：2023年08月16日 15:23:33 作者：南洲.

這篇文章主要介紹了Python如何根據(jù)關(guān)鍵字逐行提取文本內(nèi)容問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教

Python根據(jù)關(guān)鍵字逐行提取文本內(nèi)容

在獲取測試的一些數(shù)據(jù)時(shí)，需要對(duì)數(shù)據(jù)重新提取保存，因此記錄。

原始文本樣式

2018-09-06 16:42 - INFO - Coordinate: [-285.444793701, 1958.66479492, 175.649078369], End of execution.
2018-09-06 16:43 - INFO - Coordinate: [-301.866485596, 1959.87561035, 175.649200439], End of execution.
2018-09-06 16:44 - INFO - Coordinate: [-318.365051275, 1960.27978516, 175.646804815], End of execution.
2018-09-06 16:45 - INFO - Coordinate: [-334.736816406, 1961.48742676, 176.991455078], End of execution.
2018-09-06 16:46 - INFO - Coordinate: [-356.053833008, 1962.49230957, 176.991180429], End of execution.
2018-09-06 16:47 - INFO - Coordinate: [-370.848907471, 1962.69274902, 176.989471436], End of execution.
2018-09-06 16:48 - INFO - Coordinate: [-388.050415039, 1963.19372559, 178.462493896], End of execution.

提取代碼如下

# key words to extract the coordinate
str_start = "[" 
str_end   = "]"
f_orig = open('/home/yasin/test_coordinate.txt') # original file
f_coord = open('coordinate_save.txt', 'w')  # target file used to save
line = f_orig.readline()
while line:
    # find index according to the key words
    index_start = line.find(str_start)
    index_end = line.find(str_end)
    text = line[index_start : index_end]
    if text != '':
        # If there is more than one [], we can use "Coordinate" and "End" as str_start and str_end
        f_coord.write(str(line[index_start + 1 : index_end]) + '\n')
    line = f_orig.readline()
f_orig.close()
f_coord.close()

提取后保存樣式

-285.444793701, 1958.66479492, 175.64907836
-301.866485596, 1959.87561035, 175.64920043
-318.365051275, 1960.27978516, 175.64680481
-334.736816406, 1961.48742676, 176.99145507
-356.053833008, 1962.49230957, 176.99118042
-370.848907471, 1962.69274902, 176.98947143
-388.050415039, 1963.19372559, 178.46249389

有的同學(xué)問如下問題：

根據(jù)vertex關(guān)鍵字在其后面進(jìn)行換行？

我的方法是對(duì)文本按關(guān)鍵字分割并重寫文件，如果各位有更好的方法，可以一起探討！

f_in = open('test.txt')  #源文件
f_out = open('out.txt', 'w')  #重寫文件
line = f_in.readlines()    #整個(gè)文件讀入
key_word = "hello"
line_split = line[0].split(key_word)   #按指定單詞分割
for i in range(len(line_split)):
    if len(line_split[i])>0:
        f_out.write(key_word+":"+line_split[i].strip(",")+"\n") # 去掉逗號(hào)再加上換行即可

python提取關(guān)鍵字之后的段落

import pandas as pd
import re
# 讀取原始 Excel 文件
df = pd.read_excel(r"C:\Users\win10\Desktop\1.xlsx")
# 定義正則表達(dá)式
pattern = re.compile(r'.*Conclusion.*', re.IGNORECASE)
# 遍歷每一行數(shù)據(jù)
for index, row in df.iterrows():
    if isinstance(row["art_content"], str) and pd.notna(row["art_content"]):
        # 獲取包含 "Conclusion" 的段落所在行號(hào)
        conclusion_line_index = -1
        for i, line in enumerate(row["art_content"].split("\n")):
            if pattern.match(line):
                conclusion_line_index = i
                break
        if conclusion_line_index != -1:
            # 獲取從 "Conclusion" 行開始的所有段落
            conclusion_paragraphs = row["art_content"].split("\n")[conclusion_line_index + 1 :]
            # 將所有段落連接為一個(gè)字符串，并去掉首尾空格
            conclusion_section = " ".join(conclusion_paragraphs).strip()
            # 將結(jié)果賦值給對(duì)應(yīng)的 conclusion 列
            df.at[index, "conclusion"] = conclusion_section
# 將處理后的數(shù)據(jù)寫入新的 Excel 文件
df.to_excel(r"C:\Users\win10\Desktop\工作簿1.xlsx", index=False)

以上代碼中，我們遍歷每個(gè) "art_content" 列的文本內(nèi)容，用循環(huán)定位到包含 "Conclusion" 字樣的段落所在的行號(hào)（如果沒有找到則保持行號(hào)為 -1）。

如果找到了 "Conclusion" 所在的段落，就將該段落以及其以下的所有段落連接成一個(gè)字符串，并賦值給對(duì)應(yīng)的 "conclusion" 列。

處理完畢后，將整個(gè) DataFrame 存入新的 Excel 文件中。