解析；“集群”；在python中，基于单词下面的行数的文本文件中的行数

因此，我有一个统一格式的文本文件，我试图根据单词“cluster”下面的行数来解析它。以下是我目前的代码：

f = open('file.txt', 'r')
main_output = open('mainoutput.txt', 'w')
minor_output = open('minoroutput.txt', 'w')
f_lines = f.readlines()
main_list = []
minor_list = []
for n, line in enumerate(open('file.txt')):
    if 'cluster' in line:
        if 'cluster' in f_lines[n+1] or f_lines[n+2] or f_lines[n+3]:
            minor_list.append(line)
            minor_list.append(f_lines[n+1])
            minor_list.append(f_lines[n+2])
            minor_list.append(f_lines[n+3])
        if 'cluster' not in f_lines[n+1] or f_lines[n+2] or f_lines[n+3]:
            main_list.append(line)
            main_list.append(f_lines[n+1])
            main_list.append(f_lines[n+2])
            main_list.append(f_lines[n+3])
minor_output.write(''.join(minor_list))
main_output.write(''.join(main_list))
f.close()
main_output.close()
minor_output.close()

文本文件的格式如下：

>Cluster 1
line 1
line 2
line 3
...

>Cluster 2
line 1
line 2
...

and so on for many clusters.

---

每个集群下面都有一个可变的行数，从1到100+。我感兴趣的是根据每个集群中的行数（项目）对这些集群进行排序。此代码正在运行，但两个输出文件是相同的。对我的代码或策略的任何帮助都将非常棒

如果我正确理解了您发布的代码，您希望根据集群中的项目数量将数据排序到两个不同的文件中。如果有三个或更少，集群进入

minoroutput.txt

，如果有更多，集群进入

mainpoutput.txt

我怀疑有几个重要的逻辑错误导致代码无法正确排序数据

首先，测试一行是否包含单词

“cluster”

与示例数据中大写的

“cluster”

不匹配。这可能只是您所展示的示例数据的问题，在检查它之前，通过在线调用

lower（）

很容易解决

其次，您对后面几行的检查不正确。如果f_线[n+1]或f_线[n+2]或f_线[n+3]中的“集群”，则代码

不会检查三个字符串中的每一个，而只检查第一个字符串中的
“集群”
。第二个和第三个字符串都是在布尔上下文中自行计算的。如果它们不是空行，它们将是
True
，这使得整个表达式几乎总是True。要使其正常工作，您需要检查f_行[n+1]中的“cluster”或f_行[n+2]中的“cluster”或f_行[n+3]中的“cluster”

（但稍后我会给出一个更好的选择）。另一个

if

语句也会出现同样的问题，因为

f_行[n+2]

和

f_行[n+3]

可能都不是空的，因此您的条件几乎总是会得到

True

结果

最后，您编写集群的逻辑可能不正确。它当前总是准确地写出四行，即使许多集群的项目比这多或少。对于写入

mainpoutput.txt

的每个集群，一些行将被丢弃（这可能是故意的）。但是，对于一些写入

minoroutupt.txt

的集群，会有一个明显的错误，它会在只有一个或两个项目的集群之后写出下一个集群的开始

这里有一些我认为对你有用的代码。我改变了循环，使它只读取文件一次，而不是将行一次读取到列表中，然后在

enumerate

中再次读取。我没有明确地查看接下来的三行，而是将每一行放入一个列表中，每次有一行包含

cluster

（有任何大小写）时都进行重置

如果您只想将集群中的前三个项目输出到

mainout.txt

（其余项目将被丢弃），请使用两个注释的

writeline

行代替它们前面的未注释行。我认为除了在

minorout.txt

中打印所有行之外，没有合理的替代方法

给定具有以下内容的

file.txt

：

>Cluster 1
line 1
line 2
line 3
>Cluster 2
line 1
line 2
line 3
line 4
>Cluster 3
line 1
>Cluster 4
line 1
line 2
line 3
line 4
line 5

上述代码将输出两个文件：

mainpoutput.txt

：

>Cluster 2
line 1
line 2
line 3
line 4
>Cluster 4
line 1
line 2
line 3
line 4
line 5

>Cluster 1
line 1
line 2
line 3
>Cluster 3
line 1

minoroutput.txt

：

>Cluster 2
line 1
line 2
line 3
line 4
>Cluster 4
line 1
line 2
line 3
line 4
line 5

>Cluster 1
line 1
line 2
line 3
>Cluster 3
line 1

---

您希望输出的格式如何？最好是相同的格式谢谢！这非常有帮助。我对python非常陌生，我现在只编写了大约2周的代码，因此我的原始代码出现了错误，我理解您的代码在做什么，但我很难确定当它遇到另一个“集群”实例时，列表的哪个部分会被“重置”？如果您能解释一下，那将非常有帮助。我提到的“重置”是在

If

/

else

块之后创建一个新列表，名为

集群

。我将在代码中添加一些注释。非常感谢您的帮助！如果我理解正确的话；正在将一个群集添加到列表=>该列表写入正确的输出文件=>重置列表=>列出下一个群集，然后将其添加到输出文件=>再次重置列表=>并重复此操作。。。直到file.txt文件用完？是的，完全正确。需要对输入文件中的最后一个列表进行特殊处理（因为下一个集群的开始会检测到其他集群的结束），您可以将其视为结尾处的重复

if

/

else

块。启动可能也有点愚蠢，因为它在第一个集群启动时对次要文件进行零行写入。也许可以用不同的方式来设计，但这似乎是最简单的代码。