提取TXT文本中指定内容——python_txt文本提取指定内容

项目介绍：

在PYTHON的计算机二级考试中有这么一个题，要求我们从一个文本中按照特定的格式提取指定内容。
文件名称为“论语-网络版.txt”,其内容采用如下格式组织：

【原文】

1.11子曰：“父在，观其(1)志；父没，观其行(2)；三年(3)无改于父之道(4)，可谓孝矣。”

【注释】

（略）

【译文】

（略）

【评析】

（略）
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

该版本通过【原文】标记《论语》原文内容，采用【注释】、【译文】和【评析】标记对原文的注释、译文和评析。
问题1：请编写程序，提取《论语》文档中所有原文内容，输出保存到“论语-提取版.txt”文件。输出文件格式要求：去掉文章中原文部分每行行首空格及如“1.11”等的数字标志，行尾无空格、无空行。参考格式如下（原文中括号及内部数字是对应源文件中注释项的标记）：

子曰(1)：“学(2)而时习(3)之，不亦说(4)乎？有朋(5)自远方来，不亦乐(6)乎？人不知(7)，而不愠(8)，不亦君子(9)乎？”

有子(1)曰：“其为人也孝弟(2)，而好犯上者(3)，鲜(4)矣；不好犯上，而好作乱者，未之有也(5)。君子务本(6)，本立而道生(7)。孝弟也者，其为人之本与(8)？”

子曰：“巧言令色(1)，鲜(2)仁矣。”

（略）
1
2
3
4
5
6
7

问题2：请编写程序，在“论语-提取版.txt”基础上，进一步去掉每行文字中所有括号及其内部数字，保存为“论文-原文.txt”文件。参考格式如下：

子曰：“学而时习之，不亦说乎？有朋自远方来，不亦乐乎？人不知，而不愠，不亦君子乎？”

有子曰：“其为人也孝弟，而好犯上者，鲜矣；不好犯上，而好作乱者，未之有也。君子务本，本立而道生。孝弟也者，其为人之本与？”

子曰：巧言令色，鲜仁矣。”

（略）
1
2
3
4
5
6
7

实现程序如下（python）：

fi = open("论语-网络版","r",encoding="utf-8")
fo = open("论语-提取版.txt","w",encoding="utf-8")

wflag =False                #写标记
newline = []                #创建一个新的列表


for line in fi :            #按行读入文件，此时line的type是str
    if "【" in line:        #重置写标记
        wflag =False
    if "【原文】" in line:     #检验是否到了要写入的内容
        wflag = True
        continue
    if wflag == True:
        K = list(line)
        if len(K)>1:           #去除文本中的空行
            for i in K :       #写入需要内容
                newline.append(i)

strlist = "".join(newline)      #合并列表元素
newlines = str(strlist)         #list转化成str

for D in range(1,100):                       #删掉句中（）
    newlines = newlines.replace("（{}）".format(D),"")

for P in range(0,9):                               #删掉前面数值标题
    for O in  range(0,9):
        for U in range(0, 9):
           newlines = newlines.replace("{}.{}{}".format(P,O,U), "")

fo.write(newlines)

fo.close()
fi.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

运行结果如下：

其给的参考答案如下(分为两个程序）：

fi = open("论语-网络版","r",encoding="utf-8")
fo = open("论语-提取版.txt","w",encoding="utf-8")
wflag = False      #写标记
for line in fi:
    if "【" in line :                  #遇到【时，说明已经到了新的区域，写标记置否
        wflag = False
    if "【原文】" in line:            #遇到【原文】时，设置写标记为Ture
        wflag = True
        continue
    if wflag == True:                 #根据写标记将当前行内容写入新的文件
        for i in range(0,25):
            for j in range(0,25):
                line = line.replace("{}·{}".format(i,j),"**")
        for i in range(0,10):
            line = line.replace("*{}".format(i),"")
        for i in range(0,10):
            line = line.replace("{}*".format(i),"")
        line = line.replace("*","")
        fo.write(line)
fi.close()
fo.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

fi = open("论语-提取版.txt","r")
fo = open("论语-原文","w")
for line in fi:
    for i in range(1,23):
        line = line.replace("（{}）".format(i),"")
    fo.write(line)
fi.close()
fo.close()
1
2
3
4
5
6
7
8

其运行结果如下：