python - 提取类别下方的行并在到达另一个类别时停止

Question

假设我有一个电影类型的文本文件，其中包含每种类型下我最喜欢的电影。

【类别】恐怖：

1. 电影
2. 电影
3. 电影

【类别】喜剧：

1. 电影

【类别】作用：

1. 电影
2. 电影

我将如何创建一个函数，将某个 [category] ​​ 以下的所有电影标题提取并打包到一个数组中，而不会溢出到另一个类别中？

Answer 1

您可以通过这种方式逐行解析文件：

import collections

result=collections.defaultdict(list)
with open('data') as f:
    genre='unknown'
    for line in f:
        line=line.strip()
        if line.startswith('[category]'):
            genre=line.replace('[category]','',1)
        elif line:
            result[genre].append(line)

for key in result:
    print('{k} {m}'.format(k=key,m=list(result[key])))

产量

 Action: ['1. Movie', '2. Movie']
 Comedy: ['1. Movie']
 Horror: ['1. Movie', '2. Movie', '3. Movie']

Answer 2

已经给出了其他人对您的文本文件格式的建议，我只是提出另一个建议......如果可以重写您的文件，一个简单的解决方案可能是将其更改为 -ConfigParser可读（和可写）文件：

[恐怖]
1：电影
2：电影
3：电影

[喜剧]
1：电影

[行动]
1：电影
2：电影

Answer 3

使用负前瞻：

\[category\](?:(?!\[category\]).)*

将匹配一个完整的类别（如果正则表达式是使用该re.DOTALL选项编译的）。

您可以使用分别获取类别和内容

\[category\]\s*([^\r\n]*)\r?\n((?:(?!\[category\]).)*)

匹配后，mymatch.group(1)将包含类别， mymatch.group(2)并将包含电影标题。

Python 3.1 中的示例（使用您的字符串 as mymovies）：

>>> import re
>>> myregex = re.compile(r"\[category\]\s*([^\r\n]*)\r?\n((?:(?!\[category\]).)*)", re.DOTALL)
>>> for mymatch in myregex.finditer(mymovies):
...     print("Category: {}".format(mymatch.group(1)))
...     for movie in mymatch.group(2).split("\n"):
...         if movie.strip():
...              print("contains: {}".format(movie.strip()))
...
Category: Horror:
contains: 1. Movie
contains: 2. Movie
contains: 3. Movie
Category: Comedy:
contains: 1. Movie
Category: Action:
contains: 1. Movie
contains: 2. Movie
>>>

Answer 4

import re

re_cat = re.compile("\[category\] (.*):")

categories = {}

category = None

for line in open("movies.txt", "r").read().split("\n"):
    line = line.strip()
    if not line:
        continue
    if re_cat.match(line):
        category = re_cat.sub("\\1", line)
        if not category in categories:
            categories[category] = []
 continue
    categories[category].append(line)

print categories

制作以下字典：

{
'Action': ['Movie', 'Movie'],
'Horror': ['Movie', 'Movie', 'Movie'],
'Comedy': ['Movie']
}

我们使用相同的正则表达式来匹配和剥离类别名称，因此使用re.compile.

我们有一个运行category变量，每当解析一个新类别时它就会发生变化。任何未定义新类别的行都会添加到categories相应键下的字典中。第一次定义的类别会在正确的字典键下创建一个列表，但类别也可以多次列出，所有内容都会在正确的键下结束。

在定义类别之前列出的任何电影都将在该None键下的字典中。