1

我正在尝试将 PYTHON 中的大文本文件拆分为具有以下条件的多个子文件：

  1. 子文件的字符数不得超过 1024 个字符
  2. 完整的英文句子（即从句号到下一个句号）必须在同一个文件中结束。
  3. 还要确保如果一行不以 ie 1.txt 结尾，那么它必须在 2.txt 中，并且必须重新计算 2.txt 文件的长度（并且不超过 1024 个字符）。

我一直在尝试的代码如下（我能够遵守条件 1 但无法满足条件 2 和 3）：

maxChar = len(doc_text) #doc_text is the string containing the large text
excesstext = []
times = [1024 * i for i in range(0,int(maxChar/1024))]

for i in range(0, len(times)-1):
  tempchar = ''
  tempchar = tempchar + doc_text[times[i]:times[i+1]]
  tempchar = tempchar.rsplit('.',1)
  excesstext.append(tempchar[1])
  with open( f'/content/trunc/{i}.txt', encoding='utf-8', mode='w') as f:
    if len(excesstext)>1:
      print(tempchar[0] + excesstext[i-1])
      f.write(tempchar[0] + excesstext[i-1])
    else:
      print(tempchar[0])
      f.write(tempchar[0])

如果可能的话，请帮助我。谢谢！！

4

0 回答 0