Python实现：从文本文件标记间提取随机数量的行

听起来你需要处理一批大文本文件，从seq call到对应seq done的操作块里随机抽取指定数量的行？我来给你捋个Python实现思路，分步骤来：

1. 先明确文本结构规则 #

先确认下你的文件格式：每个操作块是从seq call @ ...开始，到下一个对应的seq done @ ...结束，中间是具体的操作内容（比如retrieve BIOS data using...这类行）。我们的目标就是定位这些块，然后从每个块里随机抽若干行，或者从所有块里随机抽指定数量的行——下面的代码默认是从每个seq call-seq done块中随机抽取随机数量的行，如果需求不同可以灵活调整。

2. 核心实现步骤 #

• 遍历目标目录下的所有文本文件
• 对每个文件，逐行读取，识别seq call和seq done的边界，收集块内的有效内容行
• 对每个收集到的块，随机选择1到块内总行数之间的随机数量的行（也可以改成固定数量）
• 将提取的内容整理保存到结果文件，或者直接输出

3. 完整代码示例 #

import os
import random
from pathlib import Path

def extract_random_lines_from_seq_blocks(input_dir, output_file, min_lines=1, max_lines=None):
    """
    从指定目录的所有文本文件中，提取seq call和seq done之间的随机数量行
    :param input_dir: 存放文本文件的目录
    :param output_file: 结果保存的文件路径
    :param min_lines: 每个块最少提取的行数，默认1
    :param max_lines: 每个块最多提取的行数，默认是块内总行数
    """
    # 遍历目录下所有文本文件（假设是.txt后缀，可根据实际调整）
    text_files = list(Path(input_dir).glob("*.txt"))
    if not text_files:
        print("未找到任何文本文件！")
        return
    
    with open(output_file, "w", encoding="utf-8") as out_f:
        for file_path in text_files:
            print(f"正在处理文件: {file_path.name}")
            in_block = False
            block_lines = []
            
            with open(file_path, "r", encoding="utf-8") as f:
                for line in f:
                    line_stripped = line.strip()
                    # 检测seq call，进入操作块
                    if line_stripped.startswith("seq call @"):
                        in_block = True
                        # 这里选择不保留seq call行，只收集后续内容；如果需要保留，把continue删掉即可
                        continue
                    # 检测seq done，结束当前块并处理
                    if line_stripped.startswith("seq done @"):
                        in_block = False
                        if block_lines:
                            # 确定要抽取的行数：随机在min和块行数（或max_lines）之间
                            num_to_extract = random.randint(
                                min_lines, 
                                min(len(block_lines), max_lines) if max_lines else len(block_lines)
                            )
                            # 随机抽取行
                            selected_lines = random.sample(block_lines, num_to_extract)
                            # 写入结果，加上文件来源标记方便溯源
                            out_f.write(f"--- 来自文件: {file_path.name} ---\n")
                            out_f.writelines(selected_lines)
                            out_f.write("\n")
                        # 清空块内容，准备下一个块
                        block_lines = []
                        continue
                    # 如果在块内，收集非空的内容行（可以根据需求去掉空行过滤）
                    if in_block and line_stripped:
                        block_lines.append(line)

# 使用示例
if __name__ == "__main__":
    # 替换成你的输入目录和输出文件路径
    INPUT_DIRECTORY = "./your_text_files"
    OUTPUT_FILE = "./extracted_random_lines.txt"
    extract_random_lines_from_seq_blocks(INPUT_DIRECTORY, OUTPUT_FILE)
    print(f"提取完成！结果已保存到: {OUTPUT_FILE}")

4. 代码调整点说明 #

• 文件匹配：代码里用*.txt匹配文件，如果你的文件是其他后缀（比如.log），修改glob的参数即可
• 块的容错：如果你的文件存在seq call没有对应seq done的情况，可以加日志记录这类异常块，避免数据丢失
• 抽取规则：如果想固定抽取N行，把num_to_extract改成固定值；如果想从所有块的所有行里随机抽指定数量，可以把所有块的行收集到一个大列表后再抽样
• 编码处理：代码默认用utf-8编码，如果你的文件是其他编码（比如gbk），修改open里的encoding参数即可

5. 测试建议 #

先拿一个小的测试文件跑一遍，确认提取的内容符合预期，再批量处理大文件，避免出现意外问题。

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