从大型非矩形文本中提取数据

Question

我有一个很大的非矩形文本文件，需要从中提取数据。我更喜欢用Python，但Matlab也不错。我想要从“相关”的名称中提取的数据如下所示：

类麦克风(2列)

01 02 ( CLASS和MIKE的最后2个数字)

03 04

05 06

下面是一个文本文件的例子，名字为“相关”的段落是随机出现的。每条记录由两个空行分隔。

-CLASS 36463601  
-NAME RELEVANT  
-FAX -PHONE OSCAR -NO 36468500  
-FAX -PHONE LIMA -NO 745674600  
-FAX -PHONE DELTA -NO 46778400  
-FAX -PHONE MIKE NO 74757502   
-HOME 3232


-CLASS 36463603  
-NAME RELEVANT  
-FAX -PHONE OSCAR -NO 36468500  
-FAX -PHONE LIMA -NO 745674600  
-FAX -PHONE DELTA -NO 46778400  
-FAX -PHONE BRAVO -NO 46778400  
-FAX -PHONE MIKE NO 74757504     
-HOME 3232  


-CLASS 36463600  
-NAME NOT RELEVANT  
-FAX -PHONE OSCAR -NO 36468500  
-FAX -PHONE LIMA -NO 745674600  
-FAX -PHONE DELTA -NO 46778400  
-FAX -PHONE BRAVO -NO 46778400  
-FAX -PHONE MIKE NO 74757503   
-HOME 3232  


-CLASS 36463605  
-NAME RELEVANT  
-FAX -PHONE OSCAR -NO 36468500  
-FAX -PHONE LIMA -NO 745674600  
-FAX -PHONE DELTA -NO 46778400  
-FAX -PHONE BRAVO -NO 46778400  
-FAX -PHONE MIKE NO 74757506     
-HOME 3232  

我们非常感谢您的任何意见。

Answer 1

嗯，你没有尝试任何事情，所以我不会给出任何代码。但我可以分享我用来解析数据的算法。有了这个，我相信当你在实现某些东西时遇到麻烦时，你应该能够问一些具体的问题。另外，我尽量接近pythonic表达式，所以一切都应该很容易转换成实际的代码。

这将在整个文件和缓冲行中爬行，直到两个空行。如果在处理过程中存在相关行，则存储缓冲区。它实际上是一个简单的状态机。lines和relevant_records可以是python列表。

1. For each `line` in text file:
 1.1. if `line` is empty then `empty_lines++` else append `line` to `lines`.
 1.2. if `empty_lines == 2` then:
   1.2.1. if `record_relevant` then output/save `lines` 
          (e.g relevant_records.append(lines))
   1.2.2. `record_relevant = false`
   1.2.3. `empty_lines = 0`
   1.2.4. `lines = []` #clear buffer
 1.3. if `line` contains `NAME RELEVANT` then `record_relevant = true`.

如果最后一条记录后面没有两个空行，则还应该调用1.2.1-4。

您可以将其分组为函数和类，以使其更美观，更好地设计和维护。