Python如何提取含≥4个星号的段落后方的目标段落
实现思路
我们通过标记位或者正则匹配两种方式都可以实现需求,核心逻辑两点:
- 匹配仅由不少于4个星号组成的段落
- 捕获该类段落紧接的下一个非空段落
方法1:标记位法(易理解,适合初学者)
# 打开文件,按双换行拆分段落(空行分隔段落) with open('text.txt', 'r', encoding='utf-8') as f: paragraphs = [p.strip() for p in f.read().split('\n\n') if p.strip()] result = [] # 标记位:标记下一段是否是需要提取的内容 take_next = False for para in paragraphs: if take_next: result.append(para) take_next = False continue # 判断当前段是否为符合要求的星号段:去空白后全是*且长度≥4 stripped = para.strip() if all(char == '*' for char in stripped) and len(stripped) >= 4: take_next = True # 按要求格式输出 print('\n\n'.join(result))
需求对应实现说明
- A需求(星号段≥4个星号判断):通过
all(char == '*' for char in stripped)判断段落仅由星号组成,再加len(stripped) >=4限制最少4个星号,兼容任意大于4个星号的情况 - B需求(提取紧接下一段):通过
take_next标记位实现,遇到符合要求的星号段就将标记置为True,下一轮循环直接将当前段落存入结果,再重置标记
方法2:正则匹配法(代码简洁)
import re with open('text.txt', 'r', encoding='utf-8') as f: content = f.read() # 正则匹配:不少于4个星号的行后紧跟的非空段落 pattern = r'^\*{4,}\s*\n\s*(.*?)(?=\s*\n|$)' result = re.findall(pattern, content, flags=re.M) print('\n\n'.join(result))
超大文件适配版本(逐行读取,内存占用极低)
如果你的txt文件体积超过1G,建议用逐行读取的版本,避免一次性加载文件占用过多内存:
result = [] take_next = False current_para = [] with open('text.txt', 'r', encoding='utf-8') as f: for line in f: stripped_line = line.strip() # 遇到空行说明当前段落结束 if not stripped_line: if current_para: para = ''.join(current_para).strip() if take_next: result.append(para) take_next = False else: if all(c == '*' for c in para) and len(para) >=4: take_next = True current_para = [] else: current_para.append(line) # 处理文件末尾无空行的最后一段 if current_para and take_next: result.append(''.join(current_para).strip()) print('\n\n'.join(result))
内容的提问来源于stack exchange,提问作者Simon Ante
相关产品推荐
相关产品推荐

