python - 使用重复嵌套模式从文本文件中提取文本

Question

我正在努力从文件中提取文本。文本格式如下，其中[]表示分隔符。

文件文本:

[数据集 1]“文本”[文件名 1]“文本”[文件名 2]“文本”[关键数据分隔符]!关键数据! [关键数据分隔符]“文本”[文件名 3]“文本”[数据集 2]“文本”[文件名 1][关键数据分隔符]关键数据[关键数据分隔符]“文本”[文件名2] [数据集 3]...

期望的输出:

[Dataset 1], [Filename 2], !key data!.
[Dataset 2], [Filename 1], !key data!.

文件名位于该文件名之后，键分隔符出现在另一个数据集之前。每个数据集只有一个包含关键数据的文件。

f = open('file.txt', 'r')
TextBetween_KeyDataDelimeter = re.findall('KeyDataDelimeter(.+?)KeyDataDelimiter',f.read(), re.DOTALL)

我正在考虑使用 if/else 语句嵌套 for 循环，但这看起来很困惑。有人可以指出我应该阅读的文档来帮助我吗？

Answer 1

这是一个没有正则表达式的选项，只有一些字符串和列表操作。有点复杂，但它有效:

kds = """[Dataset 1] "text1" [Filename 1] "text2" [Filename 2] "text3" [Key Data Delimiter] !key data1![Key Data Delimiter] "text4" [Filename 3] "text5" [Dataset 2] "text6" [Filename 1] [Key Data Delimiter] key data2 [Key Data Delimeter] "text7" [Filename 2]"""

# split the text file into datasets
nkds = kds.replace('[Dataset','xxx[Dataset').split('xxx')

for k in nkds[1:]:
    entry = ''
    #split each dataset into components
    nk = k.replace('[','xxx[').split('xxx')[1:]
    #get the name of the dataset
    entry+= nk[0].replace(']',']xxx').split('xxx')[0]
    for k in nk:
        #find the index position of the delimiter in the dataset list
        if '[Key Data Delimiter]' in k:
            #get the previous index position for the file name
            file_ind = nk.index(k)-1
            entry+= nk[file_ind].replace(']',']xxx').split('xxx')[0]
            entry+= k.split(']')[1].strip()
            break
    print(entry)

输出:

[Dataset 1][Filename 2]!key data1!
[Dataset 2][Filename 1]key data2