Python提取文本文件Start与End间数据并剪切删除原内容的实现方案

原有代码问题 #

• 仅调用一次find()方法，只能匹配第一组Start/End标记，无法处理多块场景
• 仅执行了文件读操作，没有将删除提取内容后的剩余内容写回原文件，因此原文件不会发生变更
• 没有做非贪婪匹配限制，若存在多组标记时会直接匹配第一个Start到最后一个End的全部内容，结果不符合预期

实现思路 #

1. 读取文件全量内容
2. 用正则全局非贪婪匹配所有Start到End的标记块，提取块内有效内容
3. 从原内容中删除所有匹配到的标记块
4. 将剩余内容写回原文件完成剪切操作

完整实现代码 #

import re

# 标记定义
START_TAG = "Start"
END_TAG = "End"
file_path = "file.txt"

# 读取原文件内容
with open(file_path, "r", encoding="utf-8") as f:
    content = f.read()

# 正则匹配所有Start到End的块，re.DOTALL让.可以匹配换行符，?开启非贪婪匹配
pattern = re.compile(re.escape(START_TAG) + r"(.*?)" + re.escape(END_TAG), re.DOTALL)
# 提取所有块内内容，自动去除首尾空白
extracted_blocks = [block.strip() for block in pattern.findall(content)]
# 删除原内容中所有匹配的标记块，得到剩余内容
remaining_content = pattern.sub("", content).strip()

# 将剩余内容写回原文件
with open(file_path, "w", encoding="utf-8") as f:
    f.write(remaining_content)

# 输出提取到的所有块内容
for idx, block in enumerate(extracted_blocks, 1):
    print(f"=== 提取到第{idx}个块内容 ===")
    print(block)
    print("="*30)

效果说明 #

以你提供的file.txt为例，运行代码后：

• 会提取到2个标记块的内容，分别对应两个视频的元数据
• 原文件中所有Start到End的内容会被删除，仅保留块之间的--- Passing Data ---内容（如果需要同时删除这类无意义分隔符，可以在写回前对remaining_content做额外过滤处理）

内容的提问来源于stack exchange，提问作者Yunus Emre Ulusoy