repetidamente extraer una línea entre dos delimitadores en un archivo de texto, Python

Question

Tengo un archivo de texto con el siguiente formato:

DELIMITER1 
extract me 
extract me 
extract me 
DELIMITER2 

me gustaría extraer cada bloque de extract me s entre DELIMITER1 y en el DELIMITER2 archivo .txt

Ésta es mi actual código de realización no,:

import re 
def GetTheSentences(file): 
    fileContents = open(file) 
    start_rx = re.compile('DELIMITER') 
    end_rx = re.compile('DELIMITER2') 

    line_iterator = iter(fileContents) 
    start = False 
    for line in line_iterator: 
      if re.findall(start_rx, line): 

       start = True 
       break 
     while start: 
      next_line = next(line_iterator) 
      if re.findall(end_rx, next_line): 
       break 

      print next_line 

      continue 
     line_iterator.next() 

¿Alguna idea?

Answer 1

puede simplificar esto a una expresión regular usando re.S, la DOTALL flag.

import re 
def GetTheSentences(infile): 
    with open(infile) as fp: 
     for result in re.findall('DELIMITER1(.*?)DELIMITER2', fp.read(), re.S): 
      print result 
# extract me 
# extract me 
# extract me 

Esto también hace uso del operador no expansivo .*?, por lo que varios bloques que no se solapan de pares DELIMITER1-DELIMITER2 se pueden encontrar.

Answer 2

Esto debería hacer lo que quiera:

import re 
def GetTheSentences(file): 
    start_rx = re.compile('DELIMITER') 
    end_rx = re.compile('DELIMITER2') 

    start = False 
    output = [] 
    with open(file, 'rb') as datafile: 
     for line in datafile.readlines(): 
      if re.match(start_rx, line): 
       start = True 
      elif re.match(end_rx, line): 
       start = False 
      if start: 
        output.append(line) 
    return output 

Su versión anterior parece que se supone que es una función de iterador. ¿Desea que su resultado sea devuelto un artículo a la vez? Eso es un poco diferente.

Answer 3

Si los delimitadores están dentro de una línea:

def get_sentences(filename): 
    with open(filename) as file_contents: 
     d1, d2 = '.', ',' # just example delimiters 
     for line in file_contents: 
      i1, i2 = line.find(d1), line.find(d2) 
      if -1 < i1 < i2: 
       yield line[i1+1:i2] 


sentences = list(get_sentences('path/to/my/file')) 

Si están en sus propias líneas:

def get_sentences(filename): 
    with open(filename) as file_contents: 
     d1, d2 = '.', ',' # just example delimiters 
     results = [] 
     for line in file_contents: 
      if d1 in line: 
       results = [] 
      elif d2 in line: 
       yield results 
      else: 
       results.append(line) 

sentences = list(get_sentences('path/to/my/file')) 

Answer 4

Este es un buen trabajo para la comprensión de listas, no se requiere regex. Primero, la lista borra la típica \n en la lista de líneas de texto encontrada al abrir el archivo txt. La segunda lista de comp solo usa el operador in para identificar patrones de secuencia para filtrar.

def extract_lines(file): 
    scrubbed = [x.strip('\n') for x in open(file, 'r')] 
    return [x for x in scrubbed if x not in ('DELIMITER1','DELIMITER2')]