本文实例讲述了Python实现将一个大文件按段落分隔为多个小文件的简单操作方法。分享给大家供大家参考,具体如下:
今天帮同学处理一点语料。语料文件有点大,并且是以连续两个换行符作为段落标志,他想把它按段落分隔成多个小文件,即每3个段落组成一个新文件。由于以前没有遇到过类似的操作,在网上找了一些相似的方法,看起来都有点复杂。所以经尝试,自己写了一段代码,完美解决问题。
基本思路是,先读原文件内容,并使用正则表达式,依据nn进行切片处理,结果为一个列表,其中每一个列表元素都存放一个切片中的内容;然后创建一个写文件的句柄;接下来遍历切片列表,并写入当前切片内容,判断是否已经写入了3个段落,如果不是,则继续读写下一个切片,如果已经够3个,则关闭之前的写文件句柄,以不同的文件名重新创建一个新的写文件句柄,循环结束,等待读写下一个切片。
# -*- coding:utf8 -*- import re; p=re.compile('nn',re.S); fileContent=open('files/办公室.txt','r',encoding='utf8').read();#读文件内容 paraList=p.split(fileContent) #根据换行符对文本进行切片 fileWriter=open('files/0.txt','a',encoding='utf8');#创建一个写文件的句柄 for paraIndex in range(len(paraList)):#遍历切片后的文本列表 fileWriter.write(paraList[paraIndex]);#先将列表中第一个元素写入文件中 if((paraIndex+1)%3==0):#判断是否写够3个切片,如果已经够了 fileWriter.close(); #关闭当前句柄 fileWriter=open('files/'+str((paraIndex+1)/3)+'.txt','a',encoding='utf8'); #重新创建一个新的句柄,等待写入下一个切片元素。注意这里文件名的处理技巧。 fileWriter.close();#关闭最后创建的那个写文件句柄 print('finished');
更多关于Python相关内容感兴趣的读者可查看本站专题:《Python文件与目录操作技巧汇总》、《Python文本文件操作技巧汇总》、《Python URL操作技巧总结》、《Python图片操作技巧总结》、《Python数据结构与算法教程》、《Python Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》
希望本文所述对大家Python程序设计有所帮助。