Python 3+，在文本文件中读取并写入除行范围之外的新文件

Question

我在Windows机器上使用Python版本3.6。我正在使用open()和readlines()读取文本文件。在读取文本文件行后，我希望将某些行写入新的文本文件，但排除某些行的范围。我不知道要排除的行号。文本文件是巨大的，排除的行范围在我正在读取的文本文件中有所不同。有已知的关键字，我可以搜索，以找到范围的开始和结束，以排除在文本文件中，我想写。

我在网上到处搜索，但似乎找不到一个很好的解决方案。下面是我想要达到的目标的一个例子。

a  
b  
BEGIN  
c  
d  
e  
END  
f  
g  
h  
i  
j  
BEGIN  
k  
l  
m  
n  
o  
p  
q  
END  
r  
s  
t  
u  
v  
BEGIN  
w  
x  
y  
END  
z 

总之，我想将上面的内容读入Python。然后，写入一个新文件，但排除从开始开始的所有行，并在结束关键字处停止。

新文件应包含以下内容：

a  
b  
f  
g  
h  
i  
j  
r  
s  
t  
u  
v  
z  

Answer 1

如果文本文件是巨大的，正如您所说的，您将避免使用readlines()，因为这样会将整个文件加载到内存中。相反，逐行读取，并使用一个状态变量来控制您是否处于一个应该抑制输出的块中。有点像，

import re

begin_re = re.compile("^BEGIN.*$")
end_re = re.compile("^END.*$")
should_write = True

with open("input.txt") as input_fh:
    with open("output.txt", "w", encoding="UTF-8") as output_fh:
        for line in input_fh:
            # Strip off whitespace: we'll add our own newline
            # in the print statement
            line = line.strip()

            if begin_re.match(line):
                should_write = False
            if should_write:
                print(line, file=output_fh)
            if end_re.match(line):
                should_write = True

Answer 2

您可以使用以下正则表达式来实现这一点：

regex = r"(\bBEGIN\b([\w\n]*?)\bEND\b\n)"

现场演示这里

可以使用上述regex进行匹配，然后用空字符串('')替换。

下面是是Python中的一个相同的工作示例。

码

result = re.sub(regex, '', test_str, 0) # test_str is your file's content
>>> print(result)
>>> 
a
b
f
g
h
i
j
r
s
t
u
v
z

Answer 3

你试过这样的方法吗？

with open("<readfile>") as read_file:
    with open("<savefile>", "w") as write_file:
        currently_skipping = False
        for line in read_file:
            if line == "BEGIN":
                currently_skipping = True
            else if line == "END":
                currently_skipping = False

            if currently_skipping:
                continue

            write_file.write(line)

基本上应该能做你需要做的事。基本上，不要通过“读行”将所有内容读入内存中，而是逐行进行更多的操作--这对于内存来说也应该更精简。