python讀取txt文件以空行作為數據的切分處理

先舉個例子,如下test.txt文件數據,需要提取每條數據的title和content, 單獨保存到文件中:

spiderTime:{'num':'12223'}
title:中國保險1xxx
summary: 請在xxx
content: 當事人11sfdffghfhgfjjd
tag:1

spiderTime:{'num':'12224'}
title:中國保險2xxx
summary: 請在xxx
content: 當事人22sfdfffdffghfjd
tag:2

spiderTime:{'num':'12225'}
title:中國保險3xxx
summary: 請在xxx
content: 當事人33sfdffggghfjd
tag:3

首先發現,數據是以空行作為分割點,所以,可以以空行拆分數據,做處理,具體代碼如下:

import re
# 創建一個空列表用於后續保存每次空行分割的一條完整數據
li = []
with open('test.txt','r',encoding='utf8') as f:
    while True:
        cont = f.readline().replace('\n','')
        if not cont:  # 如果為空行,則表示取完一次數據,可以執行操作;
            if not li:  # 如果列表也為空,則表示數據讀完了,結束循環
                break
            title = re.findall(r"\'title:(.*?)\'\,", str(li))[0]
            content = re.findall(r"\'content:(.*?)\'\,", str(li))[0]
            print('title: {},content: {}'.format(title,content))
            li = []
        else:
            li.append(cont)

上述代碼中通過正則進行匹配title和content內容,如果它們在每條數據中的行號固定的話,簡單些可以直接通過列表索引取值. 代碼運行輸出結果如下:

title: 中國保險1xxx,content: 當事人11sfdffghfhgfjjd
title: 中國保險2xxx,content: 當事人22sfdfffdffghfjd
title: 中國保險3xxx,content: 當事人33sfdffggghfjd

 思路總結:  按行循環讀取數據, 當讀取到換行符時(注意,換行符'\n'不等於空,切記), 作為一個切分點標記,可以把之前讀取到的利用列表或字符串拼接構成一個整體,再使用正則進行數據提取, 當讀取的數據為'\n'且后面沒有數據時,自動結束循環;