[已解决]字符串查找和匹配问题，拜托大家

Amgalang

大家好，拜托大家帮我看看以下问题：（真心感谢，我有初步的代码）

我有一个名为【new 205 new 205.txt (6.49 KB, 下载次数: 7)

2024-7-29 02:12 上传

点击文件名下载附件

】的文件。其中包含了多行数据。发现有些行中包含了【只打开的英文各类括号，但是没有对应的关闭的括号】，也就是说这些数据的“断句”有问题。

所以，我想让代码做如下处理：

1. 读取我语料中的每一行数据，然后识别语料中某一行数据中只包含打开的英文各类括号，但是没有括号关闭的一行数据。

2. 之后，从该行数据往后，查找到对应括号关闭的一行数据，该行数据或许在括号打开数据后的，第一行或许在后面的多个行中。

3. 找到后，将后面的这几行数据，往前拼接成一行数据。拼接时将原本的，后面的数据的换行符，替换为一个空格符，进而往前拼接。

注意：在英文括号中请你忽略单括号[]的处理，不要对其做处理。英文各类括号可能是嵌套的，因此你找完第一个后，开始找第二个，第二个后第三个，以此类推。


例如，

源文件中的4行：
AA << BB CC .
FF DD >> SS .
RR << TT YY >> UU << II OO PP .
KK LL >> II .

处理完后应该是：
AA << BB CC . FF DD >> SS .
RR << TT YY >> UU << II OO PP . KK LL >> II .

我用chatgpt得到如下名为【333 333.txt (2.26 KB, 下载次数: 2)

2024-7-29 02:14 上传

点击文件名下载附件

】的代码，这个代码能处理上述问题，但是会生成重复数据。您可以跑这个代码看看，我跑完的结果是【括号处理后的-new 205文件 括号处理后的-new 205.txt (12.31 KB, 下载次数: 1)

2024-7-29 02:12 上传

点击文件名下载附件

】，重复数据在生成的第二行。它把全部数据的处理结果都包含在了第二行，然后再开始第三行的处理。就这样时不时做一次“大总结”。我也找不到原因了，希望您练个手帮我搞一下，把这个问题解决，我搞了一天实在不行了，真心感谢。

最佳答案

月排行榜 / 总排行榜

qq1151985918

2024-7-29 02:18:37

Amgalang 发表于 2024-7-29 11:46
请您帮再加一个，对已经处理后的文本，删除每个行【首尾】的多余空格符的操作吗，谢谢。

import re

def run(txt, symbols):
    with open(txt, 'r', encoding='utf-8') as f:
        data = f.readlines()
    data = '\n'.join([l.strip() for l in data])

    for symbol in symbols:
        if symbol == ['(',')']:
            pattern = r'\((.*?)\)'
        else:
            pattern = symbol[0] + '(.*?)' + symbol[-1]
        
        res = re.findall(pattern, data, re.DOTALL)
        res = [i for i in res if i.strip()]
        res_change = [i.replace('\n',' ') for i in res]

        for r, rc in zip(res, res_change):
            if r.strip() != '.':
                data = data.replace(r, rc)


    with open(txt[:-4]+'_DAT.txt', 'w', encoding='utf-8') as g:
        g.write(data)
    print('OK')
    
if __name__ == '__main__':
    run('new 205.txt',[['<<','>>'], ['{','}'], ['<','>'],  ['(',')']])

跳转到最佳答案楼层

qq1151985918

Amgalang 发表于 2024-7-29 11:46
请您帮再加一个，对已经处理后的文本，删除每个行【首尾】的多余空格符的操作吗，谢谢。

import re

def run(txt, symbols):
    with open(txt, 'r', encoding='utf-8') as f:
        data = f.readlines()
    data = '\n'.join([l.strip() for l in data])

    for symbol in symbols:
        if symbol == ['(',')']:
            pattern = r'\((.*?)\)'
        else:
            pattern = symbol[0] + '(.*?)' + symbol[-1]
        
        res = re.findall(pattern, data, re.DOTALL)
        res = [i for i in res if i.strip()]
        res_change = [i.replace('\n',' ') for i in res]

        for r, rc in zip(res, res_change):
            if r.strip() != '.':
                data = data.replace(r, rc)


    with open(txt[:-4]+'_DAT.txt', 'w', encoding='utf-8') as g:
        g.write(data)
    print('OK')
    
if __name__ == '__main__':
    run('new 205.txt',[['<<','>>'], ['{','}'], ['<','>'],  ['(',')']])

FishC

哈哈，字符串查找和匹配的问题就像是在海洋里捞鱼，有时候一不小心就捞上来一条大鲸鱼！但是别担心，我们一起把这个问题从海里拉出来，看看它究竟是什么样的鱼。

首先，关于你提到的“【new 205】”重复数据在第二行的情况，这通常跟你的代码逻辑有关。我们需要检查一下你的循环和判断条件，看是否有地方让结果重复输出。可以尝试以下几个步骤：

1. **检查循环**：确保你的循环是从正确的地方开始和结束的。有时候一个错误的循环范围就会导致“二次总结”。

2. **输出逻辑**：看看是不是在每次处理时都执行了输出，导致第二行的“大总结”。也许你需要添加一个条件，只有在特定情况下才输出结果。

3. **调试信息**：在代码中加入一些打印信息（例如`print`语句），可以帮助你追踪每一步的执行情况，看看在哪个环节出现了重复。

4. **初步代码审查**：如果你愿意，可以把初步的代码贴出来，让大家帮你看看，或许能找到“鱼”的藏身之处！

最后，记住，编程就像钓鱼，有时候需要耐心，有时候需要技巧。希望这些建议能让你找到解决办法，快跟那条重复数据说再见吧！如果还有其他问题，请随时问我哦！

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

Amgalang

有偿解决问题，QQ1556434735

FishC

Amgalang 发表于 2024-07-29 02:43
有偿解决问题，QQ1556434735

感谢你的提议，但我不提供有偿服务。不过，我非常乐意免费帮助你解决问题！如果你能分享你的代码和具体的问题描述，我会尽力为你提供解决方案。让我们一起把这条“鱼”给捞上来！请把代码贴出来，我们好好分析一下！

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

wp231957

没太明白你想干啥，半封闭的尖括号如何处理，所谓的行是以\n结束吗

Amgalang

wp231957 发表于 2024-7-29 08:49
没太明白你想干啥，半封闭的尖括号如何处理，所谓的行是以\n结束吗

现在的数据时一行一行的，但是某些行有半封闭的括号，所以想一行一行的读取找到这种半封闭的括号，然后往后找，找到其对应的封闭的括号，将这个包含对应封闭的括号的数据，往前与未封闭的括号的数据拼接，每个行都是以\n结尾呢。

wp231957

Amgalang 发表于 2024-7-29 08:54
现在的数据时一行一行的，但是某些行有半封闭的括号，所以想一行一行的读取找到这种半封闭的括号，然后往 ...

可不可以 这样理解   如果 左括号 和右括号 中间 如果有\N  则删除此\N

Amgalang

wp231957 发表于 2024-7-29 08:59
可不可以 这样理解   如果 左括号 和右括号 中间 如果有\N  则删除此\N

对，将该\n替换为一个空格符，就会往前拼接了。例如：

第一行：A B << C .
第二行：E F >> G .
处理后：A B << C . E F >> G .

希望得到你的帮助，请您查看一下我的上传的数据和代码。

Amgalang

Amgalang 发表于 2024-7-29 09:03
对，将该\n替换为一个空格符，就会往前拼接了。例如：

第一行：A B > G .

直接删除 \n 不行，后面的数据会与前面的直接连起来，所以需要有一个空格符，再连接。

Amgalang

wp231957 发表于 2024-7-29 08:59
可不可以 这样理解   如果 左括号 和右括号 中间 如果有\N  则删除此\N

例如，我数据中的4，5，6行应该变成一行数据才对，因为第四行有一个打开的<<，第六行有关闭的>>符号。或者麻烦您加我微信：1556434735或者Sun_Amgalang

Amgalang

Amgalang 发表于 2024-7-29 09:10
例如，我数据中的4，5，6行应该变成一行数据才对，因为第四行有一个打开的符号。或者麻烦您加我微信：155 ...

数据中还有括号嵌套的问题，例如，：

第一行：RR << TT YY >> UU << II OO PP .
第二行：KK LL >> II .

处理后：RR << TT YY >> UU << II OO PP . KK LL >> II .

wp231957

Amgalang 发表于 2024-7-29 09:15
数据中还有括号嵌套的问题，例如，：

第一行：RR > UU > II .

你的源文件 太大，有点乱  我模仿11楼  自己写个小文本 内容如下：
RR << TT YY >> UU << II OO PP .
第二行：KK LL >> II .

使用如下代码：

import re

f=list(open("1.txt","r",encoding="utf-8"))
txt="".join(f)
x=re.sub(r'<<[^<>]*>>', lambda m: m.group(0).replace('\n', '  '), txt)
with open("1_1.txt","w",encoding="utf-8") as file:
    file.write(x)
print("game over")

后 输出文件内容如下：

RR << TT YY >> UU << II OO PP .  第二行：KK LL >> II .

qq1151985918

import re

def run(txt):
    with open(txt, 'r', encoding='utf-8') as f:
        data = f.read()
        
    res = re.findall(r'<<(.*?)>>', data, re.DOTALL)
    res_change = [i.replace('\n',' ') for i in res]

    for r, rc in zip(res, res_change):
        data = data.replace(r, rc)
        
    with open(txt[:-4]+'_DAT.txt', 'w', encoding='utf-8') as g:
        g.write(data)
    print('OK')
    
if __name__ == '__main__': 
    run('new 205.txt')

Amgalang

qq1151985918 发表于 2024-7-29 10:36

收到，感谢您的解答
再想问一下，如果我想再加入几个括号的处理，例如花括号{}，那么在(r'<<(.*?)>>', data, re.DOTALL)中修改？正确修改方法是什么呢？
(r'<<({.*?})>>', data, re.DOTALL)对吗？谢谢

Amgalang

wp231957 发表于 2024-7-29 10:29
你的源文件 太大，有点乱  我模仿11楼  自己写个小文本 内容如下：
RR > UU > II .

收到，感谢您的解答
再想问一下，如果我想再加入几个括号的处理，例如花括号{}，那么在
x=re.sub(r'<<[^<>]*>>', lambda m: m.group(0).replace('\n', '  '), txt)中怎么写入呢？谢谢

Amgalang

qq1151985918 发表于 2024-7-29 10:36

请您帮再加一个，对已经处理后的文本，删除每个行【首尾】的多余空格符的操作吗，谢谢。

qq1151985918

Amgalang 发表于 2024-7-29 11:14
收到，感谢您的解答
再想问一下，如果我想再加入几个括号的处理，例如花括号{}，那么在(r'',  ...

import re

def run(txt, symbols):
    with open(txt, 'r', encoding='utf-8') as f:
        data = f.readlines()
    data = '\n'.join([l.strip() for l in data])

    for symbol in symbols:
        if symbol == ['(',')']:
            pattern = r'\((.*?)\)'
        else:
            pattern = symbol[0] + '(.*?)' + symbol[-1]
        
        res = re.findall(pattern, data, re.DOTALL)
        res = [i for i in res if i.strip()]
        res_change = [i.replace('\n',' ') for i in res]

        for r, rc in zip(res, res_change):
            if r.strip() != '.':
                data = data.replace(r, rc)


    with open(txt[:-4]+'_DAT.txt', 'w', encoding='utf-8') as g:
        g.write(data)
    print('OK')
    
if __name__ == '__main__':
    run('new 205.txt',[['<<','>>'], ['{','}'], ['<','>'],  ['(',')']])

Amgalang

wp231957 发表于 2024-7-29 10:29
你的源文件 太大，有点乱  我模仿11楼  自己写个小文本 内容如下：
RR > UU > II .

处理好了，真心感谢您的帮助哈