从文本中摘取某些段落

Question

我对蟒蛇不熟悉，我有个问题。我有几个文本文件，我想提取每个文件的结论部分。

文本文件如下所示：

结果:在调整后的分析中，每小时PAC计数增加一倍，AF风险显著增加(风险比1.17 95% CI，1.13至1.22 )。

局限性:这项研究没有建立PACs和AF之间的因果关系。

结论:在有效的AF风险算法中加入PAC计数提供了更好的AF风险识别，并显著改善了风险再分类。需要进一步的研究，以确定PAC修饰是否可以前瞻性地降低AF的风险。

主要资金来源:美国心脏协会、约瑟夫溺水基金会和美国国立卫生研究院。

我在同一个文件夹中有多个文件，如何处理这个文件夹中的所有文件？

提前谢谢你！

Answer 1

我不擅长regex，也不太确定这是否是最好的方法，但它有效:)

import os
import re
path = 'path/to/your/files/'
for i in os.listdir(path):
    with open(path+i) as f:
        content = f.read()
        pattern = re.compile('CONCLUSION:\s*([\s\w.]*)\n[A-Z\s]*:')
        print pattern.findall(content)[0]

Answer 2

您应该使用正则表达式提取所需的数据：

import re
import os, os.path

PATH = 'path/to/your/files/'

conclusions = []
for file in os.listdir(path):
    with open(os.path.join(PATH, file)) as f:
        data = f.read()

    conclusion = re.search('CONCLUSION: (.*?)([A-Z]{2,})', data).group(1)
    conclusions.append(conclusion)

这将查找'CONCLUSION: '头，然后扫描之后的数据，在下一个标题之后停止，这将始终是您指定的大写单词。

Answer 3

This将帮助您列出目录中的所有文件。

那么对于每一个文件，

1. 遍历所有的线
2. 看看当前行是否以结论开头：
3. 在该行上执行一个子字符串，以获得单词结论之后的所有内容：