如何用Python循环提取文件中指定字符串到特定字符间的内容？

核心实现逻辑 #

要实现持续监控文件并提取指定内容，关键要解决两个问题：避免重复处理已读内容和精准提取目标片段：

• 记录每次处理到的文件位置，后续只读取新增的部分
• 用正则表达式匹配所有example到下一个A之间的内容，提取后去掉结尾的A再追加到目标文件
• 循环定期检查文件是否有更新

完整代码 #

import re
import time

def monitor_and_extract():
    # 记录上次处理到的文件位置，初始为0
    last_pos = 0
    target_str = "example"
    stop_char = "A"
    source_file = "text1.txt"
    dest_file = "text2.txt"

    while True:
        try:
            with open(source_file, "r") as f:
                # 移动到上次处理的位置
                f.seek(last_pos)
                # 读取新增内容
                new_content = f.read()
                if new_content:
                    # 匹配所有从example到第一个A的片段（非贪婪匹配）
                    pattern = re.compile(re.escape(target_str) + r".*?" + re.escape(stop_char))
                    matches = pattern.findall(new_content)
                    if matches:
                        # 去掉每个匹配结果末尾的A，然后追加到目标文件
                        with open(dest_file, "a") as df:
                            for match in matches:
                                df.write(match[:-1])
                    # 更新上次处理的位置
                    last_pos = f.tell()
        except FileNotFoundError:
            # 源文件不存在时等待1秒再重试
            pass
        # 每隔1秒检查一次文件更新，可根据需求调整间隔
        time.sleep(1)

if __name__ == "__main__":
    monitor_and_extract()

代码关键说明 #

• 位置记录：用f.seek(last_pos)和f.tell()实现只读取文件新增的部分，避免重复处理已提取的内容
• 正则匹配：re.escape()确保特殊字符不会干扰匹配规则，.*?是非贪婪匹配，保证每个example对应最近的一个A
• 循环监控：while True配合time.sleep()实现持续监控，间隔时间可根据实际需求调整
• 异常处理：增加文件不存在的捕获，避免程序直接崩溃

你原代码的问题 #

1. 文件名拼写错误：tex1.txt应为text1.txt
2. 无位置记录：每次从头读取文件，会重复处理已提取的内容
3. 逻辑缺失：没有实现从example到A的内容提取逻辑，也没有循环持续监控的机制
4. 变量未定义：代码中character和k变量未定义，执行时会直接报错

内容的提问来源于stack exchange，提问作者wertyu