如何从输入文件提取含单词与双词的多字段结构化输入？

你遇到的核心痛点很明确——Session条目的电影名可能是单词也可能是多词组合，常规按固定索引拆分的方法只能拿到单词，没法覆盖多词场景。这里给你几个实用的解决思路，核心逻辑都是“前三个字段固定，剩余所有内容合并为电影名”：

方法1：基于标识边界的逐段提取 #

如果你的输入是一个连续的字符串/令牌列表，可以先遍历所有内容，遇到Session标识时，先提取前三个固定字段，再收集后续内容直到碰到下一个命令标识（比如Cinema、Request这些），最后把收集到的内容拼接成完整电影名。

用Python举个实际处理的例子：

# 假设已经把输入内容按空格拆分成了令牌列表
tokens = ["Cinema", "1", "A", "15", "Cinema", "2", "X", "5", 
          "Session", "1", "09:00", "Toy", "Story", 
          "Session", "1", "14:30", "Ratatouille", 
          "Session", "2", "09:00", "Up", 
          "Request", "1", "1", "09:00", "10", ...]

i = 0
while i < len(tokens):
    if tokens[i] == "Session":
        # 提取固定字段：影院编号、场次时间
        cinema_id = tokens[i+1]
        session_time = tokens[i+2]
        # 收集后续所有内容，直到碰到下一个命令标识
        movie_parts = []
        j = i + 3
        while j < len(tokens) and tokens[j] not in ["Cinema", "Request", "Change", "Cancel", "Print"]:
            movie_parts.append(tokens[j])
            j += 1
        # 拼接成完整电影名
        movie_name = " ".join(movie_parts)
        print(f"场次信息：影院{cinema_id} {session_time} | 电影：{movie_name}")
        # 直接跳到下一个命令的起始位置
        i = j
    else:
        # 处理其他类型条目，或者直接跳过
        i += 1

这个方法能精准识别电影名的边界，不管电影名有多少个单词都能完整提取。

方法2：按条目分行的快速处理 #

如果你的输入是按条目分行存储的（比如每个Session/Request各占一行），处理起来会更简单：对每一行拆分后，直接取前三个元素之后的所有内容拼接成电影名。

示例代码：

input_lines = [
    "Cinema 1 A 15",
    "Cinema 2 X 5",
    "Session 1 09:00 Toy Story",
    "Session 1 14:30 Ratatouille",
    "Session 2 09:00 Up",
    "Request 1 1 09:00 10",
    ...
]

for line in input_lines:
    parts = line.split()
    if parts[0] == "Session":
        cinema_id = parts[1]
        session_time = parts[2]
        # 从第四个元素开始，所有内容都是电影名
        movie_name = " ".join(parts[3:])
        print(f"提取结果：{cinema_id}号影院 {session_time} - {movie_name}")

这种方式代码更简洁，适合输入格式规整、按条目分行的场景。

核心思路总结 #

本质上就是放弃“固定索引取最后一项”的思维，换成：

1. 先定位Session条目的起始标识
2. 提取前三个固定字段（Session、影院号、时间）
3. 将剩余的所有内容合并为电影名，不管单词数量

这样就能同时适配单词（如Up）和多词（如Toy Story）的电影名了。

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