如何提取医学文本文件中FINAL REPORT之后的内容？

以下是几种简单可行的技术实现方式：

1. Python脚本处理 #

适合批量处理或需要集成到工作流的场景：

# 读取原始报告文件
with open("medical_report.txt", "r", encoding="utf-8") as input_file:
    full_content = input_file.read()

# 定义分割标记
marker = "FINAL REPORT"
if marker in full_content:
    # 截取标记之后的内容并去除首尾空白
    extracted_content = full_content.split(marker)[1].strip()
    # 保存提取后的内容到新文件
    with open("extracted_final_report.txt", "w", encoding="utf-8") as output_file:
        output_file.write(extracted_content)
else:
    print("文件中未找到FINAL REPORT标记")

2. Linux命令行（sed工具） #

适合快速处理单个文件：

# 提取FINAL REPORT之后的所有内容，并移除标记所在行
sed -n '/FINAL REPORT/,$p' medical_report.txt | sed '1d' > extracted_report.txt

• 第一个sed命令：从匹配到FINAL REPORT的行开始，输出到文件末尾的所有内容
• 第二个sed命令：删除输出结果的第一行（即包含FINAL REPORT的那一行）

3. 文本编辑器可视化处理（VS Code/Notepad++） #

适合手动处理少量文件：

1. 打开目标报告文件
2. 开启正则表达式查找替换功能（VS Code快捷键Ctrl+H，勾选正则图标；Notepad++快捷键Ctrl+H，选择"正则表达式"）
3. 在查找框输入：[\s\S]*FINAL REPORT
   • [\s\S]表示匹配所有字符（包括换行符），确保能选中从文件开头到FINAL REPORT的全部内容
4. 替换框留空，点击"全部替换"即可删除标记之前的内容

内容的提问来源于stack exchange，提问作者user10019553