Python-将多行读入列表

好了，小伙子们/姑娘们又在简单的事情上卡住了
我有一个文本文件，每个条目有多行，数据格式如下

第一个字
wordx单词有趣1单词
冗长的单词
wordz单词有趣2最新单词

这个序列重复了大约一百次，除了兴趣1和兴趣2之外，所有其他单词都是相同的，没有空行。兴趣2与兴趣1相关，但与其他任何内容无关，我想将这两个有趣的项目链接在一起，而放弃其他项目，如

兴趣1=兴趣2
兴趣1=兴趣2
兴趣1=兴趣2
etc，每个序列1个lne

每行以不同的单词开头
我的尝试是读取文件并执行“if wordx in line”语句，以标识第一行，切掉值，找到第二行（“if wordz in line”）切掉值并将第二行与第一行连接起来。
不过这很笨拙，我不得不使用全局变量、临时变量等，我确信一定有办法确定firstword和lastword之间的范围，并将其放入一个列表中，然后将这两个值切分在一起

---

感谢您的宝贵时间，感谢您提出的任何建议。在这种情况下，请创建一个与重复文本相匹配的regexp，并将感兴趣的部分分组。然后您应该能够使用findall查找所有感兴趣的案例1和案例2

像这样： 进口稀土

text = open("foo.txt").read()
RE = re.compile('firstword.*?wordx word word word (.*?) word.*?wordz word word word (.*?) word', re.DOTALL)
print RE.findall(text)

---

尽管如评论中所述，islice绝对是一个更简洁的解决方案。

在这种情况下，创建一个与重复文本匹配的regexp，并为感兴趣的位创建组。然后您应该能够使用findall查找所有感兴趣的案例1和感兴趣的案例2

from itertools import izip, tee, islice

i1, i2 = tee(open("foo.txt"))

for line2, line4 in izip(islice(i1,1, None, 4), islice(i2, 3, None, 4)) :
    print line2.split(" ")[4], "=", line4.split(" ")[4]

像这样： 进口稀土

text = open("foo.txt").read()
RE = re.compile('firstword.*?wordx word word word (.*?) word.*?wordz word word word (.*?) word', re.DOTALL)
print RE.findall(text)

---

尽管如评论中所述，islice绝对是一个更整洁的解决方案。

我已经加入了大量的断言来检查数据布局的规律性

from itertools import izip, tee, islice

i1, i2 = tee(open("foo.txt"))

for line2, line4 in izip(islice(i1,1, None, 4), islice(i2, 3, None, 4)) :
    print line2.split(" ")[4], "=", line4.split(" ")[4]

C:\SO>type words.py

# sample pseudo-file contents
guff = """\
firstword word word word
wordx word word word interesting1-1 word word word word
wordy word word word
wordz word word word interesting2-1 word word word lastword

miscellaneous rubbish

firstword word word word
wordx word word word interesting1-2 word word word word
wordy word word word
wordz word word word interesting2-2 word word word lastword
firstword word word word
wordx word word word interesting1-3 word word word word
wordy word word word
wordz word word word interesting2-3 word word word lastword

"""

# change the RHS of each of these to reflect reality
FIRSTWORD = 'firstword'
WORDX = 'wordx'
WORDY = 'wordy'
WORDZ = 'wordz'
LASTWORD = 'lastword'

from StringIO import StringIO
f = StringIO(guff)

while True:
    a = f.readline()
    if not a: break # end of file
    a = a.split()
    if not a: continue # empty line
    if a[0] != FIRSTWORD: continue # skip extraneous matter
    assert len(a) == 4
    b = f.readline().split(); assert len(b) == 9
    c = f.readline().split(); assert len(c) == 4
    d = f.readline().split(); assert len(d) == 9
    assert a[0] == FIRSTWORD
    assert b[0] == WORDX
    assert c[0] == WORDY
    assert d[0] == WORDZ
    assert d[-1] == LASTWORD
    print b[4], d[4]

C:\SO>\python26\python words.py
interesting1-1 interesting2-1
interesting1-2 interesting2-2
interesting1-3 interesting2-3

C:\SO>

---

我已经加入了一大堆断言来检查数据布局的规律性

C:\SO>type words.py

# sample pseudo-file contents
guff = """\
firstword word word word
wordx word word word interesting1-1 word word word word
wordy word word word
wordz word word word interesting2-1 word word word lastword

miscellaneous rubbish

firstword word word word
wordx word word word interesting1-2 word word word word
wordy word word word
wordz word word word interesting2-2 word word word lastword
firstword word word word
wordx word word word interesting1-3 word word word word
wordy word word word
wordz word word word interesting2-3 word word word lastword

"""

# change the RHS of each of these to reflect reality
FIRSTWORD = 'firstword'
WORDX = 'wordx'
WORDY = 'wordy'
WORDZ = 'wordz'
LASTWORD = 'lastword'

from StringIO import StringIO
f = StringIO(guff)

while True:
    a = f.readline()
    if not a: break # end of file
    a = a.split()
    if not a: continue # empty line
    if a[0] != FIRSTWORD: continue # skip extraneous matter
    assert len(a) == 4
    b = f.readline().split(); assert len(b) == 9
    c = f.readline().split(); assert len(c) == 4
    d = f.readline().split(); assert len(d) == 9
    assert a[0] == FIRSTWORD
    assert b[0] == WORDX
    assert c[0] == WORDY
    assert d[0] == WORDZ
    assert d[-1] == LASTWORD
    print b[4], d[4]

C:\SO>\python26\python words.py
interesting1-1 interesting2-1
interesting1-2 interesting2-2
interesting1-3 interesting2-3

C:\SO>

---

如果您有一些示例代码，可能会有所帮助。很难说您希望如何确定什么是“有趣的”“。它总是在索引4中吗？正如monkut所说，你试图对问题进行过度简化，不幸的是，这使得你很难理解你想做什么或为什么要做它听起来像什么。不要害怕包含一些真实的数据，这样我们就可以看到发生了什么。对不起。有趣的单词是单个文本单词，总是处于相同的位置，由空格分隔。措辞可能被视为敏感，因此用普通词语替换。如果利息1是一个国家保险号码，利息2是一个状态，那么剩下的是个人数据，这能澄清问题吗？@HOMENT:请不要评论你自己的问题。请更新您的问题，包括示例代码和预期输出。如果您有一些示例代码，可能会有所帮助。很难说你希望如何确定什么是“有趣的”。它总是在索引4中吗？正如monkut所说，你试图对问题进行过度简化，不幸的是，这使得你很难理解你想做什么或为什么要做它听起来像什么。不要害怕包含一些真实的数据，这样我们就可以看到发生了什么。对不起。有趣的单词是单个文本单词，总是处于相同的位置，由空格分隔。措辞可能被视为敏感，因此用普通词语替换。如果利息1是一个国家保险号码，利息2是一个状态，那么剩下的是个人数据，这能澄清问题吗？@HOMENT:请不要评论你自己的问题。请通过包含示例代码和预期输出来更新您的问题。假定您指的是四行re.VERBOSE样式的regexp，第二行类似于\s*wordx\s+\s+\s+\s+\s+（\s+）\s+\s+\s+\s+\s+\s+\s*\n。。。OP可能需要一些帮助。用一点解释把它拼出来，以及如何调整它，至少会让你获得一张赞成票；-）嗯。。。不需要，您只需要一个与所讨论的文本实际匹配的regexp，但不匹配部分或多次重复。我认为没有必要在上显示四行，而在\s+上显示长行。。。无论如何，小岛是一个更好的解决方案。尽管如此，我还是用一个完整的解决方案对其进行了更新。假定您指的是一个四行re.VERBOSE样式的regexp，第二行类似于\s*wordx\s+\s+\s+\s+\s+\s+（\s+）\s+\s+\s+\s+\s*\n。。。OP可能需要一些帮助。用一点解释把它拼出来，以及如何调整它，至少会让你获得一张赞成票；-）嗯。。。不需要，您只需要一个与所讨论的文本实际匹配的regexp，但不匹配部分或多次重复。我认为没有必要在上显示四行，而在\s+上显示长行。。。无论如何，小岛是一个更好的解决方案。尽管如此，我还是更新了一个完整的解决方案。