Python-索引器错误：列表索引超出范围（主题建模）

我遇到过很多类似的问题。然而，提供的答案似乎对我没有帮助

我试图对一篇8000年左右的媒体文章进行主题建模分析。但我得到了一个错误：

Traceback (most recent call last):
  File "extract.py", line 23, in <module>
    if re.compile('^(.*?) - \d{2} [a-zA-Z]{3}. \d{4}$').match(lines[1]):
IndexError: list index out of range

有人能帮我忽略这个错误吗

完整代码

#/usr/bin/python
#-*-编码：utf-8-*-
导入操作系统
进口稀土
导入字符串
导入文本摘要
导入Unicode数据
从unidecode导入unidecode
如果不是os.path.isdir（'./raw'）：
os.mkdir（“./raw”）
名称=打开（'./已删除的名称.txt'，w'）
containsMediaName=open（'./包含媒体名称.txt'，w'）
对于os.listdir（“./data”）中的文件名：
article=unidecode（textract.process（'./数据/'+文件名）.decode（'utf-8'））
第条=关于子条款（“第条”）
lines=article.split（“\n”）
如果重新编译（'^（.*？）-\d{2}[a-zA-Z]{3}.\d{4}$'）。匹配（行[1]）：
媒体=行[1]。拆分（'-'）[0]。替换（'*'，''）
article=article.replace（'\n'+行[1]，''）
如果文章。查找（媒体）>-1：
containsMediaName.write（文件名+'\n'）
如果重新匹配（“^Pagina\d{1,5}$”，第[2]行）：
article=article.replace（'\n'+行[2]，''）
article=re.sub（'\n版权（.*）Alle rechten voorbehouden\n'，'\n'，article）
article=re.sub（'\n\（Foto:（.*）\）\n'，'\n'，article）
article=re.sub（'\n\（Fotograaf:（.*）\）\n'，'\n'，article）
article=article.strip（）.rstrip（'\t\r\n\0'）
lines=article.split（“\n”）
name=lines.pop（）
如果len（name.split（“”））失败的行正试图对输入到其中的某些文本执行匹配

其中的正则表达式代码希望匹配（可能）符合以下测试模式的文本：

something - 10 marc 1974
something else - 11 apri 2001
another match - 99 xxxx 2004

这些看起来有点像文章标题的格式？代码的其余部分似乎试图从日期中删除项目名称

有趣的是，（我猜）与日期匹配的正则表达式代码似乎与3个字符的月份标识符匹配，再加上一个附加字符
[a-zA-Z]{3}。
这似乎是一种内在的日期格式-您的数据符合这种模式吗

如果是这样，那就太好了，但如果不是这样，您可能希望在花括号括起来的
{3}
之后去掉句号，并将正则表达式编辑为：

'^(.*?) - \d{2} [a-zA-Z]{3} \d{4}$'

假设您的日期采用更传统的
dd-Mon-yyyy
格式

正如其他人所说，您可能还希望探索更优雅的异常处理，以涵盖代码找不到日期匹配或lines对象包含少于2个元素的情况

这在谷歌搜索下有很好的记录

但是，为了让你站起来跑步，一些简单的事情

try:
    if re.compile('^(.*?) - \d{2} [a-zA-Z]{3}. \d{4}$').match(lines[1]):
        media = lines[1].split(' - ')[0].replace('*', '')
        article = article.replace('\n' + lines[1], '')
        if article.find(media) > -1:
            containsMediaName.write(filename + '\n')
except:
    print ( "The length of the lines object is {ln}".format(ln=len(lines)) )

如果您试图拉取索引1处的元素（即第二个元素）不存在，它将报告lines对象的长度-这就是错误消息建议的问题所在

[编辑]看到您的代码，split函数似乎无法为您输入的任何数据找到任何换行符，这会在尝试从行中提取第1个元素时产生错误。我还注意到您正在阅读德语（？），所以我对正则表达式重新格式化的评论可能与此无关
 忽略错误不是正确的解决方案，您应该理解并解决它。发布行的输出。从列表索引错误中，我可以怀疑它没有第二个元素，即
lines[1]
Yes您是对的@David.Will更正它。@AbhishekL您的意思是？：lines=article.split（'\n'）name=lines.pop（），如果len（name.split（“”））No@M.M.VanHulle。我指的是您的异常跟踪中的第23行。只需在这一行之前添加
打印行
。检查它是否是长度为2或更长的列表。
'^(.*?) - \d{2} [a-zA-Z]{3} \d{4}$'

try:
    if re.compile('^(.*?) - \d{2} [a-zA-Z]{3}. \d{4}$').match(lines[1]):
        media = lines[1].split(' - ')[0].replace('*', '')
        article = article.replace('\n' + lines[1], '')
        if article.find(media) > -1:
            containsMediaName.write(filename + '\n')
except:
    print ( "The length of the lines object is {ln}".format(ln=len(lines)) )