如何使用python3.6从文件中提取部分单词？

我想从文本文件中提取特定单词。
下面是示例文本文件：

请审阅。
我试图将字符串提取为：

"Name": "the name infront of it"
"Link": "Link infront of it"

从输入文件中，我希望得到如下输出：

"Name":"JTLnet"
"Link":"http://jtlnet.com"
"Name":"Apache 1.3"
"Link":"http://httpd.apache.org/docs/1.3"
"Name":"Apache"
"Link":"http://httpd.apache.org/"
.
.
.
"Name":"directNIC"
"Link":"http://directnic.com"

如果这些单词在文件中的任何位置，则应将其提取到另一个文件中。
请告诉我如何才能实现这种提取？请把这个文件看作是大文件的一小部分。 此外，它是文本文件而不是json。

---

请帮助我。

由于文本文件格式不正确，您唯一的选择是regex。下面的代码段适用于给定的示例文件

请记住，这需要将整个文件加载到内存中

import re, json
f = open(r'filepath')
textCorpus = f.read()
f.close()
# replace empty strings to non-empty, match regex easily
textCorpus = textCorpus.replace('""', '" "')
lstMatches = re.findall(r'"Name".+?"Link":".+?"', textCorpus)
with open(r'new_file.txt', 'ab+) as wf:
    for eachMatch in lstMatches:
        convJson = "{" + eachMatch + "}"
        json_data = json.loads(convJson)
        wf.write(json_data["Name"] + "\n")
        wf.write(json_data["Link"] + "\n")

---

使用

re.findall（）

和

str.split（）

函数的简短解决方案：

import re

with open('test.txt', 'r') as fh:
    p = re.compile(r'(?:"Categories":[^,]+,)("Name":"[^"]+"),(?:[^,]+,)("Link":"[^"]+")')
    result = [pair for l in re.findall(p, fh.read()) for pair in l]

print('\n'.join(result))

输出（片段）：

---

您的文件是格式错误的json，带有多余的双引号。但json模块无法加载它就足够了。剩下的是较低级别的正则表达式解析

假设：

• “Name”

  或

  “Link”

  之后有趣的部分是：
  • 用冒号与标识符分隔（

    ：

    ）
  • 包含在双引号（

    “

    ）中，不包含双引号
• 该文件是按行结构的
• 名称和链接字段始终在一行上（字段中没有新行）

您可以在每一行上使用简单的

re.finditer

逐行处理文件：

rx = re.compile(r'(("Name":".*?")|("Link":".*?"))')
with open(inputfile) as fd:
    for line in fd:
    l = rx.finditer(line)
        for elt in l:
            print(elt.group(0))

如果要将数据输出到另一个文件，只需在上述代码段之前以fdout:的形式打开（outputfile，“w”），并将打印行替换为：

fdout.write(elt.group(0) + "\n")

---

它看起来很像json，您是否尝试过

json.load

？是的，我尝试过。对我不起作用。所以考虑将文件制作为文本。它可行吗？@RomanPerekhrest您能帮我一下吗？显示预期结果，至少是实际文件的一个片段（比如前5行）@RomanPerekhrest看到我已经编辑了我的问题，现在你可以看到了。你现在能帮我吗？我如何才能将输出写入另一个文件…这真是太棒了。

fdout.write(elt.group(0) + "\n")