如何基于正则或空行特征将大文本按记录拆分为多个独立小文件

第一个版本代码错误点 #

• 每次匹配到非分隔行时，都会以w覆盖模式重新打开对应序号的文件，新内容会覆盖旧内容，最终每个文件仅会保留最后一行写入的内容，同时因为没有主动关闭文件，缓冲区未刷新也可能导致内容完全为空。
• 遇到分隔符仅做序号自增，未关闭前一个文件句柄，存在资源泄漏。

第二个版本代码错误点 #

• 遇到分隔符序号自增后，没有创建新序号对应的输出文件句柄，后续非分隔行仍会写入前一个序号的文件中。
• 正则匹配逻辑有缺陷：\s会匹配换行、制表符等所有空白字符，而非仅匹配空格，容易出现误匹配；同时未做全字符串匹配校验，可能出现匹配不准确的情况。

正则版本修复 #

import re
# 正则精确匹配整行刚好为81个空格加换行
delimiter_pattern = re.compile(r"^ {81}\n$")
i = 1
output_file = None
try:
    with open("Junctions.txt", "r", encoding="utf-8") as input_f:
        output_file = open(f"{i}.txt", "w", encoding="utf-8")
        for line in input_f:
            if delimiter_pattern.match(line):
                # 遇到分隔符切换文件
                output_file.close()
                i += 1
                output_file = open(f"{i}.txt", "w", encoding="utf-8")
            else:
                output_file.write(line)
finally:
    # 确保最后一个文件正常关闭
    if output_file and not output_file.closed:
        output_file.close()

更简单的无正则版本 #

你不需要用正则，直接判断行去除首尾空白后是否为空即可识别分隔行：

i = 1
output_file = None
try:
    with open("Junctions.txt", "r", encoding="utf-8") as input_f:
        output_file = open(f"{i}.txt", "w", encoding="utf-8")
        for line in input_f:
            if not line.strip():
                # 空行就是分隔符，切换输出文件
                output_file.close()
                i += 1
                output_file = open(f"{i}.txt", "w", encoding="utf-8")
            else:
                output_file.write(line)
finally:
    if output_file and not output_file.closed:
        output_file.close()

补充说明 #

如果最终生成了多余的空白文件，是因为源文件末尾存在连续的分隔空行，你可以在切换文件前判断当前写入的文件内容是否为空，或者运行完成后批量删除大小为0的文件即可。

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