求助：如何用Python提取文本文件中指定标签间的内容

你的代码问题分析 #

方法1的问题 #

• 把文件对象test转成字符串str(test)，这不是读取文件内容，而是输出文件对象的描述文本（类似<_io.TextIOWrapper name='document.txt' mode='r' encoding='UTF-8'>），正则自然匹配不到有效内容。
• 原文件以只读模式打开（默认mode='r'），根本无法执行写入操作。
• 正则采用单行匹配逻辑，而<tag>和</tag>是跨行存在的，未开启re.DOTALL标志，无法匹配多行内容。

方法2的问题 #

• 在循环内重复打开同一个文件，且始终是只读模式，写入操作会导致文件指针冲突，直接引发内容混乱。
• 同时读写同一个文件会造成指针错位、内容覆盖，属于典型的错误操作。
• 逻辑漏洞：遇到</tag>时先将parsing设为False，导致闭合标签本身不会被写入，遗漏了关键内容。

正确实现代码 #

提取内容并生成合法XML #

# 存储要保留的内容行
output_lines = []
# 添加XML声明和根节点，确保Excel能识别合法的XML结构
output_lines.append('<?xml version="1.0" encoding="UTF-8"?>')
output_lines.append('<root>')

# 读取原文本文件
with open('document.txt', 'r', encoding='utf-8') as infile:
    parsing = False
    for line in infile:
        # 保留原行格式，仅去除换行符（可根据需求调整）
        current_line = line.rstrip('\n')
        if current_line.startswith('<tag>'):
            parsing = True
            output_lines.append(current_line)
        elif current_line.startswith('</tag>'):
            output_lines.append(current_line)
            parsing = False
        elif parsing:
            output_lines.append(current_line)

# 闭合XML根节点
output_lines.append('</root>')

# 写入最终的XML文件
with open('output.xml', 'w', encoding='utf-8') as outfile:
    outfile.write('\n'.join(output_lines))

代码说明 #

• 用独立列表存储目标内容，彻底避免同时读写文件的冲突问题。
• 添加XML根节点<root>：Excel要求XML必须有单一根元素，否则无法正确解析成表格。
• 保留原文本的缩进格式，若不需要可将current_line改为current_line.strip()去除缩进。
• 输入输出文件分开处理，逻辑清晰且安全。

导入Excel的操作步骤 #

1. 打开Excel，切换到「数据」选项卡。
2. 依次点击「获取数据」>「自文件」>「自XML」。
3. 选择生成的output.xml，Excel会自动将XML结构解析为表格。
4. 根据需求调整列宽、单元格格式即可。

内容的提问来源于stack exchange，提问作者gclt22