Python实现文本提取时if语句触发IndexError报错排查
分类提取代码的问题逻辑拆解
基础上下文
- 测试用
data.txt逐行内容为:Peopleにんげん、人間 – human (ningen)じんるい、人類 – humanity (jinrui)Occupationsいしゃ、医者 – doctor (isha)かんごし、看護師 – nurse (kangoshi)
- 目标输出结构:
[ {"People": ["にんげん、人間 – human (ningen)", "じんるい、人類 – humanity (jinrui)"]}, {"Occupations": ["いしゃ、医者 – doctor (isha)", "かんごし、看護師 – nurse (kangoshi)"]} ]
索引越界报错的核心原因
- 触发的原始报错为:
Traceback (most recent call last):
File "C:/Users/Celvin/PycharmProjects/extractor/main.py", line 16, in
if "(" in edited_lines[count]:
IndexError: list index out of range - 首先明确列表索引规则:6行内容转成
edited_lines后,合法索引范围是0~5,超过5的索引就会触发越界。 - 原代码中当遇到不含
(的分类行时,设置count = line + 1后进入while not_end循环,循环内完全没有对count的边界校验:- 遍历
People分类时,count从索引1开始,依次匹配到1、2位置的词汇后,count自增到3,碰到不含(的Occupations行触发循环退出,流程正常。 - 遍历
Occupations分类时,count从索引4开始,依次匹配到4、5位置的词汇后,count连续两次自增到6——此时已经超出最大合法索引5,下一次执行"(" in edited_lines[count]判断时,直接触发索引越界。
- 遍历
- 你后续新增的边界判断
if count >= len(edited_lines): not_end = False只在循环启动前执行了一次,循环运行过程中每次count +=1自增时没有重复校验边界,完全挡不住流程走到越界的位置。
修改count = line后输出为空的原因
- 把初始
count设为line后,循环第一次判断的对象就是分类行本身:分类行不含(,会直接触发else分支,把not_end设为False退出循环,根本没机会遍历分类行后面的词汇内容,所以值列表一直是空的,最终输出为[{'People': []}, {'Occupations': []}]。
其他逻辑层面的隐藏问题
- 外层循环范围设置错误:代码写的是
range(0, len(edited_lines)-1),会跳过最后一行内容的遍历,虽然当前测试数据下没直接出问题,但遇到分类是最后一行的场景时,会直接丢失分类条目。 - 状态标记使用易出错:用全局的
not_end标记控制多层循环,没有在每次进入循环时校验标记状态,很容易出现标记值错位,导致循环提前退出或者永久卡住。 - 值列表同步时机错位:
value_list.clear()放在外层循环开头执行,没有和分类行的识别流程绑定,一旦循环遍历的行和分类的位置不匹配,就会出现词汇条目串到其他分类下的问题。
内容的提问来源于stack exchange,提问作者Celvin
相关产品推荐
相关产品推荐

