Python 从文本文件中提取两行之间的数据

假设我有数百个文本文件，如以下示例所示：

NAME
John Doe

DATE OF BIRTH

1992-02-16

BIO 

THIS is
 a PRETTY
 long sentence

 without ANY structure 

HOBBIES 
//..etc..

姓名、出生日期、个人简历和爱好（以及其他）总是存在，但文本内容和它们之间的行数有时会发生变化

我希望遍历该文件并在每个键之间存储字符串。例如，变量名应该包含存储在“Name”和“dateofbirth”之间的值

这就是我发现的：

lines = f.readlines()
for line_number, line in enumerate(lines):
    if "NAME" in line:     
        name = lines[line_number + 1]  # In all files, Name is one line long.
    elif "DATE OF BIRTH" in line:
        date = lines[line_number + 2] # Date is also always two lines after
    elif "BIO" in line:
        for x in range(line_number + 1, line_number + 20): # Length of other data can be randomly bigger
            if "HOBBIES" not in lines[x]:
                bio += lines[x]
            else:
                break
    elif "HOBBIES" in line:
        #...

这已经足够好了，但我觉得应该有一种更聪明、更少黑客的方法来代替许多双循环

我正在寻找一个通用的解决方案，其中NAME会将所有东西存储到出生日期，BIO会将所有东西存储到业余爱好等，目的是在以后清理和去除多余的白色绒毛

可能吗

编辑：当我阅读答案时，我意识到我忘记了一个非常重要的细节，按键有时会重复（以相同的顺序）

---

也就是说，一个文本文件可以包含多个人。应创建人员列表。键名标志着一个新人的开始。

我将所有内容都存储在字典中，请参见下面的代码

f=open（“test.txt”）
行=f.读行（）
dict_text={“姓名”：[]，“出生日期”：[]，“个人简历”：[]}
对于行_编号，枚举中的行（行）：
如果不是（“姓名”一行或“出生日期”一行或“个人简历”一行）：
text=行。替换（“\n”和“”）
dict_text[位置].追加（文本）
其他：
location=”“.join（（line.split（）））

我将所有内容存储在字典中，请参见下面的代码

f=open（“test.txt”）
行=f.读行（）
dict_text={“姓名”：[]，“出生日期”：[]，“个人简历”：[]}
对于行_编号，枚举中的行（行）：
如果不是（“姓名”一行或“出生日期”一行或“个人简历”一行）：
text=行。替换（“\n”和“”）
dict_text[位置].追加（文本）
其他：
location=”“.join（（line.split（）））

您可以使用正则表达式：

import re

keys = """
NAME
DATE OF BIRTH
BIO 
HOBBIES 
""".strip().splitlines()

key_pattern = '|'.join(f'{key.strip()}' for key in keys)
pattern = re.compile(fr'^({key_pattern})', re.M)

# uncomment to see the pattern
# print(pattern)

with open(filename) as f:
    text = f.read()
    parts = pattern.split(text)

... process parts ...

---

部分

将是一个列表字符串。奇数索引位置（

部分[1]

，

部分[3]

，…）将是键（'NAME'，等），偶数索引位置（

部分[2]

，

部分[4]

，…）将是键之间的文本<代码>部分[0]将是第一个键之前的内容。

您可以使用正则表达式：

import re

keys = """
NAME
DATE OF BIRTH
BIO 
HOBBIES 
""".strip().splitlines()

key_pattern = '|'.join(f'{key.strip()}' for key in keys)
pattern = re.compile(fr'^({key_pattern})', re.M)

# uncomment to see the pattern
# print(pattern)

with open(filename) as f:
    text = f.read()
    parts = pattern.split(text)

... process parts ...

---

部分

将是一个列表字符串。奇数索引位置（

部分[1]

，

部分[3]

，…）将是键（'NAME'，等），偶数索引位置（

部分[2]

，

部分[4]

，…）将是键之间的文本<代码>部分[0]将是第一个键之前的内容。

您可以尝试以下操作

keys = ["NAME","DATE OF BIRTH","BIO","HOBBIES"]

f = open("data.txt", "r")
result = {}
for line in f:
    line = line.strip('\n')
    if any(v in line for v in keys):
        last_key = line
    else:
        result[last_key] = result.get(last_key, "") + line

print(result)

输出

{'NAME': 'John Doe', 'DATE OF BIRTH': '1992-02-16', 'BIO ': 'THIS is a PRETTY long sentence without ANY structure ', 'HOBBIES ': '//..etc..'}

---

您可以尝试以下方法

keys = ["NAME","DATE OF BIRTH","BIO","HOBBIES"]

f = open("data.txt", "r")
result = {}
for line in f:
    line = line.strip('\n')
    if any(v in line for v in keys):
        last_key = line
    else:
        result[last_key] = result.get(last_key, "") + line

print(result)

输出

{'NAME': 'John Doe', 'DATE OF BIRTH': '1992-02-16', 'BIO ': 'THIS is a PRETTY long sentence without ANY structure ', 'HOBBIES ': '//..etc..'}

---

您可以将文件转换为一个长字符串，而不是读取行。使用string.index（）查找触发器字的开始索引，然后将从该索引到下一个触发器字索引的所有内容设置为变量

比如：

string = str(f)
important_words = ['NAME', 'DATE OF BIRTH']
last_phrase = None
for phrase in important_words:
   phrase_start = string.index(phrase)
   phrase_end = phrase_start + len(phrase)
   if last_phrase is not None:
      get_data(string, last_phrase, phrase_start)
   last_phrase = phrase_end

def get_data(string, previous_end_index, current_start_index):
   usable_data = string[previous_end_index: current_start_index]
   return usable_data

---

可能应该使用更好/更短的变量名，而不是将文件转换为一个长字符串。使用string.index（）查找触发器字的开始索引，然后将从该索引到下一个触发器字索引的所有内容设置为变量

比如：

string = str(f)
important_words = ['NAME', 'DATE OF BIRTH']
last_phrase = None
for phrase in important_words:
   phrase_start = string.index(phrase)
   phrase_end = phrase_start + len(phrase)
   if last_phrase is not None:
      get_data(string, last_phrase, phrase_start)
   last_phrase = phrase_end

def get_data(string, previous_end_index, current_start_index):
   usable_data = string[previous_end_index: current_start_index]
   return usable_data

---

可能应该使用更好/更短的变量名

您只需读取一个长字符串中的文本即可。然后使用.split（） 这只有在类别有序且不重复的情况下才有效。 就这样,

---

您可以只读取一个长字符串中的文本。然后使用.split（） 这只有在类别有序且不重复的情况下才有效。 就这样,

---

你熟悉状态机的概念吗？如果没有，请尝试查找它，看看是否可以想出一种方法将该原则应用到代码中。您还可以使用模式来获取特定的匹配项您熟悉状态机的概念吗？如果没有，试着查找它，看看你是否能想出一种方法将这个原则应用到你的代码中。你也可以使用一个模式来获得特定的匹配