Python如何区分指定前缀URL与关联文本,合并同组文本实现一一匹配输出
代码逻辑调整说明
原代码的核心问题
- 循环内每次遍历都将临时累计变量重置为空字符串,无法跨行收集同一URL组下的多段普通文本
- 缺少组切换逻辑:遇到新的URL标识时,没有将之前累计好的上一组关联文本存入结果列表,也没有初始化新的文本收集容器
- 未过滤空白行,导致输出混入多余空行,也没有处理最后一组URL对应的文本收尾(因为没有下一个URL触发存入动作)
调整后的实现逻辑
- 独立维护两个结果列表:
url_links按顺序存所有URL标识条目,corresponding_texts按顺序存每个URL对应的合并后普通文本 - 用临时变量
current_buffer实时累计当前正在处理的URL组下的所有普通文本 - 逐行遍历内容时做分支判断:
- 若当前行匹配URL/链接/网站标识:如果不是首次遇到URL,先将之前累计的文本做去首尾空格处理,存入关联文本列表,再把当前URL加入URL列表,最后重置临时缓冲变量准备收集下一组文本
- 若当前行是普通文本:过滤空白行,将有效内容用空格拼接到临时缓冲变量中
- 全部行遍历完成后,单独把最后一个URL对应的累计文本存入关联文本列表(因为没有后续URL触发存入动作)
- 按照要求的格式分别输出两个结果列表
修正后的可运行代码
import sys inFile = sys.argv[1] with open(inFile) as f: content = [x.strip() for x in f.readlines()] url_links = [] corresponding_texts = [] current_buffer = "" for entry in content: if entry.startswith(("[URL", "[LINK", "[WEBSITE")): # 非首个URL时,先收尾上一组的文本 if url_links: corresponding_texts.append(current_buffer.strip()) current_buffer = "" url_links.append(entry) else: # 跳过空行,拼接有效文本 if entry: if current_buffer: current_buffer += " " current_buffer += entry # 收尾最后一组的文本 corresponding_texts.append(current_buffer.strip()) # 按格式输出 print("1. 按出现顺序排列的URL列表:") print("```") for url in url_links: print(url) print("```") print("2. 与每个URL一一对应的合并文本:") print("```") for text in corresponding_texts: print(text) print("```")
内容的提问来源于stack exchange,提问作者Joey Joestar
相关产品推荐
相关产品推荐

