python - Leer archivo desde y hacia líneas de texto específicas

Question

No estoy hablando de números de línea específicos porque estoy leyendo varios archivos con el mismo formato, pero varían en longitud.
decir que tengo este archivo de texto:

Something here... 
... ... ... 
Start      #I want this block of text 
a b c d e f g 
h i j k l m n 
End      #until this line of the file 
something here... 
... ... ... 

espero que sepas lo que quiero decir. Estaba pensando en iterar a través del archivo y luego buscar usando expresiones regulares para encontrar el número de línea de "Inicio" y "Finalizar", luego uso el caché de línea para leer desde la línea de inicio hasta la línea de finalización. ¿Pero cómo obtener el número de línea? ¿Qué función puedo usar?

Answer 1

Si simplemente desea que el bloque de texto entre principio y fin, se puede hacer algo tan simple como:

with open('test.txt') as input_data: 
    # Skips text before the beginning of the interesting block: 
    for line in input_data: 
     if line.strip() == 'Start': # Or whatever test is needed 
      break 
    # Reads text until the end of the block: 
    for line in input_data: # This keeps reading the file 
     if line.strip() == 'End': 
      break 
     print line # Line is extracted (or block_of_lines.append(line), etc.) 

De hecho, usted no necesita manipular los números de línea con el fin de leer los datos entre los marcadores de Inicio y Fin.

La lógica ("leer hasta ...") se repite en ambos bloques, pero es bastante clara y eficiente (otros métodos generalmente implican verificar algún estado [antes del bloque/dentro del bloque/final del bloque alcanzado], que incurre en pena de tiempo).

Answer 2

Esto debería ser un comienzo para usted:

started = False 
collected_lines = [] 
with open(path, "r") as fp: 
    for i, line in enumerate(fp.readlines()): 
     if line.rstrip() == "Start": 
      started = True 
      print "started at line", i # counts from zero ! 
      continue 
      if started and line.rstrip()=="End": 
      print "end at line", i 
      break 
      # process line 
      collected_lines.append(line.rstrip()) 

El generador enumerate lleva un generador y enumera las iteraciones. Eg.

print list(enumerate("a b c".split())) 

impresiones

[ (0, "a"), (1,"b"), (2, "c") ] 

ACTUALIZACIÓN:

el cartel preguntó por usar una expresión regular para que coincida con líneas como "===" y "======":

import re 
print re.match("^=+$", "===")  is not None 
print re.match("^=+$", "======") is not None 
print re.match("^=+$", "=")  is not None 
print re.match("^=+$", "=abc") is not None 
print re.match("^=+$", "abc=") is not None 

Answer 3

Aquí hay algo que funcione:

data_file = open("test.txt") 
block = "" 
found = False 

for line in data_file: 
    if found: 
     block += line 
     if line.strip() == "End": break 
    else: 
     if line.strip() == "Start": 
      found = True 
      block = "Start" 

data_file.close() 

Answer 4

Puede usar una expresión regular con bastante facilidad. Puede hacerlo más robusto según sea necesario, a continuación se muestra un ejemplo simple.

>>> import re 
>>> START = "some" 
>>> END = "Hello" 
>>> test = "this is some\nsample text\nthat has the\nwords Hello World\n" 
>>> m = re.compile(r'%s.*?%s' % (START,END),re.S) 
>>> m.search(test).group(0) 
'some\nsample text\nthat has the\nwords Hello'