使用python3从txt文件的特定部分计数字数

Question

我有一个文件夹，里面有很多txt文件。我希望计数一组单词在每个txt文件的某个部分中出现的次数，并将结果导出到一个新的excel文件中。具体来说，我只想在“公司A”一词之后，以“公司B”结尾的部分文本中查找单词的出现情况。

例如：

我想在以下案文的粗体部分寻找“公司”和“董事会”这两个词：

...the董事会的公司A监督管理固有的风险，经营公司的业务和执行其战略计划。董事会在年度战略规划会议上审查与公司战略计划相关的风险，并在全年定期进行审查，以此作为对B公司战略方向的审议的一部分。此外，审计委员会还处理与.有关的主要风险。

我设法统计了一组单词的出现情况，但是从整个txt文件，而不是从公司A到公司B的部分。

import os
import sys
import glob

for filename in glob.iglob('file path' + '**/*', recursive=True):
    def countWords(filename, list_words):
        try:
            reading = open(filename, "r+", encoding="utf-8")
            check = reading.readlines()
            reading.close()
            for each in list_words:
                lower = each.lower()
                count = 0
                for string in check:
                    word_check = string.split()
                    for word in word_check:
                        lowerword = word.lower()
                        line = lowerword.strip("!@#$%^&*()_+?><:.,-'\\ ")
                        if lower == line:
                            count += 1 
                print(lower, ":", count)
    except FileNotFoundError:
        print("This file doesn't exist.")
        for zero in list_words:
            if zero != "":
                print(zero, ":", "0")
            else:
                pass
    print('----')
    print(os.path.basename(filename))
    countWords(filename, ["Corporation", "Board"])

示例文本的最后输出应该如下所示：

• txtfile1
• 公司:2
• 董事会:1

上面的进程应该被复制到文件夹的所有txt文件中，并作为一个excel文件导出。

谢谢你的考虑，我为这个问题的篇幅事先表示歉意。

Answer 1

您可以尝试regexp，假设在看到公司b之前，如果您看到公司a的重复，就需要整个字符串。

re.findall('company a.*?company b', 'company a did some things in agreement with company b')

这将提供以公司a开头，以公司b结尾的所有文本字符串的列表。