1

我正在做一些研究，我在一个大文本文件中有 +25,000 份报告。每个报告均按“TEXTSTART[UNIQUE-ID]”和“TEXTEND”划分。

到目前为止，我已经成功地使用以下代码从 txt 文件中读取了一个报告（即标识符之间的文本）：

f = open("samples_combined_incomplete.txt","r" )
report = f.read()
f.close()

rstart = "TEXTSTART"
rend = "TEXTEND"

a = ((report.split(rstart))[1].split(rend)[0])
print (a)

我的问题是这个；如何根据 TEXTSTART[UNIQUE-ID] 将文本文档划分为唯一可识别的子字符串？以及应该如何返回ID？

我才刚刚开始，所以任何关于文档、有用功能等的建议都会非常有用。

谢谢你，就像一个魅力！ID 是数字和字符的组合，仅供参考。

f = open("samples_combined_incomplete.txt","r" )
report = f.read()
f.close()

rstart = "TEXTSTART"
rend = "TEXTEND"
a = 0

dict = re.findall('TEXTSTART\[(.*?)\](.*?)TEXTEND', report, re.DOTALL)

while a < 10:
    print (dict[a])
    a += 1

如果我想在容器中搜索特定关键字并返回键，我该怎么做？

4

1 回答 1

5 
import re
print dict(re.findall('TEXTSTART\[([^\]]+)\](.*?)TEXTEND', report, re.DOTALL))
于 2012-12-09T15:52:52.950 回答