如何提取TXT文件中包含指定关键词的段落？

以下是两种实用的实现方法，适配不同场景：

方法一：Python脚本（跨平台、批量处理首选） #

适合处理大量文件或需要自定义逻辑的场景。脚本会遍历指定目录下的所有TXT文件，提取包含目标关键词的段落（默认按空行分割段落），并保存为新文件（避免覆盖原文件）。

import os
import re

# 定义关键词列表
keywords = ["cryptocurren", "virtual curren", "digital curren"]
# 编译正则表达式，支持不区分大小写匹配
pattern = re.compile('|'.join(keywords), re.IGNORECASE)
# 指定处理目录（当前目录用'.'）
target_dir = '.'

for filename in os.listdir(target_dir):
    if filename.endswith('.txt'):
        file_path = os.path.join(target_dir, filename)
        # 读取文件内容
        with open(file_path, 'r', encoding='utf-8') as f:
            content = f.read()
        # 按空行分割段落（适配\n\n或\r\n\r\n格式）
        paragraphs = re.split(r'\r?\n\r?\n', content.strip())
        # 筛选包含关键词的段落
        filtered_paragraphs = [p for p in paragraphs if pattern.search(p)]
        # 生成输出文件名
        output_filename = f"{os.path.splitext(filename)[0]}_filtered.txt"
        output_path = os.path.join(target_dir, output_filename)
        # 写入筛选后的内容
        with open(output_path, 'w', encoding='utf-8') as f:
            f.write('\n\n'.join(filtered_paragraphs))
        print(f"处理完成：{filename} -> {output_filename}")

脚本说明 #

• 如需严格区分大小写匹配，删除re.IGNORECASE参数即可
• 若段落不是以空行分隔，可修改re.split的正则表达式（比如按特定标记分割）
• 处理结果保存为带_filtered后缀的新文件，原文件不受影响

方法二：命令行工具（快速处理单/批量文件） #

Linux/macOS 终端 #

使用awk处理段落（默认空行分隔），批量处理当前目录下的TXT文件：

# 批量生成带_filtered后缀的新文件
for file in *.txt; do
    awk -v RS='' '/cryptocurren|virtual curren|digital curren/' "$file" > "${file%.txt}_filtered.txt"
done

• awk默认区分大小写，如需忽略大小写可添加-v IGNORECASE=1参数
• 若要直接覆盖原文件（谨慎操作），将输出路径改为"$file"

Windows PowerShell #

批量处理当前目录下的TXT文件：

Get-ChildItem *.txt | ForEach-Object {
    $content = Get-Content $_ -Raw
    # 按空行分割段落并筛选
    $filtered = $content -split '\r?\n\r?\n' | Where-Object { $_ -match 'cryptocurren|virtual curren|digital curren' }
    # 写入新文件
    $filtered | Out-File "${_.BaseName}_filtered.txt" -Encoding utf8
}

注意事项 #

• 关键词采用部分匹配规则（比如cryptocurren会匹配cryptocurrencies、cryptocurrency等），符合你的需求
• 处理前建议先对单个文件测试，确认结果符合预期后再批量操作

内容的提问来源于stack exchange，提问作者Ciercy