快捷導(dǎo)航

Python實(shí)現(xiàn)將一個(gè)大文件按段落分隔為多個(gè)小文件的簡(jiǎn)單操作方法

更新時(shí)間：2017年04月17日 10:31:06 作者：捂汗縣長(zhǎng)

這篇文章主要介紹了Python實(shí)現(xiàn)將一個(gè)大文件按段落分隔為多個(gè)小文件的簡(jiǎn)單操作方法,涉及Python針對(duì)文件的讀取、遍歷、轉(zhuǎn)換、寫入等相關(guān)操作技巧,需要的朋友可以參考下

本文實(shí)例講述了Python實(shí)現(xiàn)將一個(gè)大文件按段落分隔為多個(gè)小文件的簡(jiǎn)單操作方法。分享給大家供大家參考，具體如下：

今天幫同學(xué)處理一點(diǎn)語料。語料文件有點(diǎn)大，并且是以連續(xù)兩個(gè)換行符作為段落標(biāo)志，他想把它按段落分隔成多個(gè)小文件，即每3個(gè)段落組成一個(gè)新文件。由于以前沒有遇到過類似的操作，在網(wǎng)上找了一些相似的方法，看起來都有點(diǎn)復(fù)雜。所以經(jīng)嘗試，自己寫了一段代碼，完美解決問題。

基本思路是，先讀原文件內(nèi)容，并使用正則表達(dá)式，依據(jù)\n\n進(jìn)行切片處理，結(jié)果為一個(gè)列表，其中每一個(gè)列表元素都存放一個(gè)切片中的內(nèi)容;然后創(chuàng)建一個(gè)寫文件的句柄;接下來遍歷切片列表，并寫入當(dāng)前切片內(nèi)容，判斷是否已經(jīng)寫入了3個(gè)段落，如果不是，則繼續(xù)讀寫下一個(gè)切片，如果已經(jīng)夠3個(gè)，則關(guān)閉之前的寫文件句柄，以不同的文件名重新創(chuàng)建一個(gè)新的寫文件句柄，循環(huán)結(jié)束，等待讀寫下一個(gè)切片。

# -*- coding:utf8 -*-
import re;
p=re.compile('\n\n',re.S);
fileContent=open('files/辦公室.txt','r',encoding='utf8').read();#讀文件內(nèi)容
paraList=p.split(fileContent) #根據(jù)換行符對(duì)文本進(jìn)行切片
fileWriter=open('files/0.txt','a',encoding='utf8');#創(chuàng)建一個(gè)寫文件的句柄
for paraIndex in range(len(paraList)):#遍歷切片后的文本列表
  fileWriter.write(paraList[paraIndex]);#先將列表中第一個(gè)元素寫入文件中
  if((paraIndex+1)%3==0):#判斷是否寫夠3個(gè)切片，如果已經(jīng)夠了
    fileWriter.close(); #關(guān)閉當(dāng)前句柄
    fileWriter=open('files/'+str((paraIndex+1)/3)+'.txt','a',encoding='utf8'); #重新創(chuàng)建一個(gè)新的句柄，等待寫入下一個(gè)切片元素。注意這里文件名的處理技巧。
fileWriter.close();#關(guān)閉最后創(chuàng)建的那個(gè)寫文件句柄
print('finished');

更多關(guān)于Python相關(guān)內(nèi)容感興趣的讀者可查看本站專題：《Python文件與目錄操作技巧匯總》、《Python文本文件操作技巧匯總》、《Python URL操作技巧總結(jié)》、《Python圖片操作技巧總結(jié)》、《Python數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Python Socket編程技巧總結(jié)》、《Python函數(shù)使用技巧總結(jié)》、《Python字符串操作技巧匯總》及《Python入門與進(jìn)階經(jīng)典教程》

希望本文所述對(duì)大家Python程序設(shè)計(jì)有所幫助。

您可能感興趣的文章: