使用Python splitlines（）将文本文件转换为列表，同时将一些行组合为列表中的单个项

我正致力于将原本用于VBA应用程序的文本文件转换为新Python应用程序的字符串列表。每个文本文件在单独的行上都有多个字符串，但为了简单起见，我只给每个文本文件一个字符串。我遇到的问题是，由于Excel/VBA的行字符限制，向量占用多行。以下是一个例子：

vector（1）=“这是第一个只占用1行的向量！”

vector（2）=“这是vector 2的部分文本，但仍在继续！”

向量（2）=向量（2）&“这是文本的延续 矢量2！”

vector（3）=“这是一个只有一行的新向量！”

我试图做的是遍历splitlines（）创建的列表，创建一个新的列表，该列表通过尝试回顾前一行来查看它是否具有相同的“vector（x）”标签，然后在附加到最终列表之前连接字符串。但是，它会将未完成的字符串和已连接的字符串添加到列表中。以下是我正在使用的代码：

import os
import re

Lines = open(doc).read().splitlines()
New_Lines = []
previous_label = 0
vector_label = 0
previous_contents = 0
vector_contents = 0
for z, vector_check in enumerate(Lines, 1):
    if vector_check.startswith("vector"):
        v_split = re.split(r"=", vector_check)
        previous_label = vector_label
        vector_label = v_split[0]
        previous_contents = vector_contents
        vector_contents = v_split[1]
    else :
        continue
    # print(vector_label)
    if previous_label != vector_label:
        repeat = 0
        New_Lines.append(vector_contents)
    else :
        repeat += 1
        vec_split_2 = re.split(r"&", v_split[1])
        vector_contents = previous_contents[:-1] + " " + vec_split_2[1][2:]
        New_Lines.append(vector_contents)
        print(vector_contents)
        continue
i = 1
for obj in New_Lines:
    print("vector_CRS(" + str(i) + ")=" + obj)
    i += 1

给出了结果：

vector_CRS（1）=“这是第一个只占用1行的向量！”

vector_CRS（2）=“这是vector 2的部分文本，但它 继续！”

vector_CRS（3）=“这是vector 2的部分文本，但它 继续！这是向量2文本的继续！”

vector_CRS（4）=“这是一个只有一行的新向量！”

---

我也尝试过在列表中展望未来（这就是为什么有枚举），但结果比这些更糟。这是一个更大的脚本的最后一个“谜题”，尽管感觉很简单，好像我错过了一个简单的答案，但我已经花了几个小时试图修复这一部分。

如果您有一个文本文件

vectors.txt

，它看起来是这样的：

vector(1)="This is the first vector that only takes 1 line!"
vector(2)="This is some of the text for vector 2 but it continues!"
vector(2)= vector(2) & "This is the continuation of the text for vector 2!"
vector(3)= "This is a new vector with only a single line!"

您可以使用正则表达式模式，使用

itertools.groupby

按向量的编号对向量进行分组。然后，使用另一个正则表达式，合并组中每个向量的所有内容：

def main():

    with open("vectors.txt", "r") as file:
        lines = file.read().splitlines()

    def merge_vectors(lines):
        from itertools import groupby
        import re

        for _, group in groupby(lines, key=lambda line: re.match(r"vector\((\d+)\)", line).group(1)):
            yield " ".join(re.search("\"(.+)\"", item).group(1) for item in group)

    print(list(merge_vectors(lines)))
    
    return 0


if __name__ == "__main__":
    import sys
    sys.exit(main())

输出：

['This is the first vector that only takes 1 line!', 'This is some of the text for vector 2 but it continues! This is the continuation of the text for vector 2!', 'This is a new vector with only a single line!']
>>> 

这假设

vectors.txt

文件中的行已按矢量号分组在一起。例如，它假设您不能拥有以下内容：

vector(1)="Part of one"
vector(2)="Part of two"
vector(1)= vector(1) & "Also part of one"

---

编辑-我已经查看了您的

repl.it

中的文本文件。我对正则表达式模式和一般代码做了一些更改——我只做了一些更明确的步骤。模式现在更宽松了，例如，

vector（2）=vector（2）&“

之类的东西将不再抛出异常，但由于双引号之间没有内容，因此将忽略它。不以双引号结尾的行也会被处理。所有的行在处理之前都会被过滤，因此只包括以

vector\u CRS（…）

开头的行，因此您不需要再手动跳过前五行左右

def main():

    import re

    line_pattern = r"vector_CRS\((?P<vector_number>\d+)\)"
    content_pattern = "\"(?P<content>.*)\"?"

    def is_vector_line(line):
        return re.match(line_pattern, line) is not None

    with open("vectors.txt", "r") as file:
        lines = list(map(str.strip, filter(is_vector_line, file)))

    def merge_vectors(lines):
        from itertools import groupby

        def key(line):
            return re.match(line_pattern, line).group("vector_number")

        def get_content(item):
            return re.search(content_pattern, item).group("content")

        for _, group in groupby(lines, key=key):
            yield " ".join(filter(None, map(get_content, group)))

    merged = list(merge_vectors(lines))

    return 0


if __name__ == "__main__":
    import sys
    sys.exit(main())

def main（）：
进口稀土
线模式=r“向量CRS\（？P\d+）”
content\u pattern=“\”（？P.*）\“？”
def是矢量线（线）：
return re.match（line_pattern，line）不是None
打开（“vectors.txt”、“r”）作为文件：
行=列表（映射（str.strip，过滤器（is\u vector\u line，file）））
def合并_向量（行）：
从itertools导入groupby
def键（行）：
返回重新匹配（线条图案，线条）组（“向量编号”）
def get_内容（项目）：
返回重新搜索（内容模式，项目）。组（“内容”）
对于_，分组方式为groupby（行，键=键）：
产生“”。加入（筛选器（无，映射（获取内容，组）））
合并=列表（合并向量（行））
返回0
如果名称=“\uuuuu main\uuuuuuuu”：
导入系统
sys.exit（main（））

谢谢！这看起来会很好-我今天下午会测试它。它工作得很好！矢量将始终按顺序排列并相应分组。不过，我注意到的一点是，我将使用的txt文件从第6行的向量开始。在此之前是一些不必要的数据（源文件的名称、传出传输的名称等）。然而，向量总是从第6行开始-因此我将尝试在您的解决方案中构建一个变通方法。再次感谢你@基温。很高兴听到这个消息！如果它们总是从第6行开始，您只需从第五个索引（第六行）开始对

行进行切片即可：
行=file.read（）.splitlines（）[5:
文本文件中的第7行，即以
向量\u CRS（1）=向量\u CRS（1）开头的行“compte pour…
，没有结束双引号。@KevinW。当然可以，如果您有任何其他问题，请告诉我。