Python按位置提取文本指定元素 for循环执行异常问题排查

问题原因分析 #

你的嵌套循环逻辑存在两层错位问题：

• 你默认listoftexts里的第N个文本，对应zl里的第N个子列表（存储对应文本的元素类型和起止位置），但你现在的循环是每处理一个文本就全量遍历一次zl的所有子列表，每次遍历都会重置document变量，最终document里保留的永远是用zl最后一个子列表的位置规则切出来的内容，和当前文本完全不匹配。
• zl的第二个子列表里根本不存在Item2类型的元素，如果某个文本对应的子列表没有Item2，你的逻辑会意外使用后续子列表的位置规则，自然会提取出随机内容。

修正方案 #

你需要让文本和对应的位置列表一一对应遍历，可以用zip同时遍历listoftexts和zl，修正后的代码如下：

final = []

# 同时遍历文本和对应的位置规则列表，一一对应
for text, position_list in zip(listoftexts, zl):
    document = {}
    for doc_type, doc_start, doc_end in position_list:
        if doc_type == 'Item2':
            document[doc_type] = text[doc_start:doc_end]
    final.append(document)

如果需要兼容部分文本不存在Item2的情况，可以加默认值和提前退出逻辑，优化执行效率：

final = []

for text, position_list in zip(listoftexts, zl):
    document = {}
    for doc_type, doc_start, doc_end in position_list:
        if doc_type == 'Item2':
            document[doc_type] = text[doc_start:doc_end]
            break # 找到Item2就提前结束当前循环，节省资源
    # 可选配置：没有找到Item2时设置默认空值，避免后续取值报错
    if 'Item2' not in document:
        document['Item2'] = ''
    final.append(document)

内容的提问来源于stack exchange，提问作者haven