Extrayez les lignes sous la catégorie et arrêtez lorsqu'une autre catégorie est atteinte

Question

Supposons que je possède un fichier texte de genres de films avec mes films préférés dans chaque genre.

[catégorie] Horreur:

1. Film
2. Film
3. Film

[catégorie] Comédie:

1. Film

[catégorie] Action:

1. Film
2. Film

Comment puis-je créer une fonction qui extrait et paquets tous les titles film ci-dessous une certaine [catégorie] * dans un tableau sans déborder dans une autre catégorie?

Answer 1

Utilisez un negative lookahead:

\[category\](?:(?!\[category\]).)* 

correspondra à une catégorie entière (si le regex est compilé avec l'option re.DOTALL).

Vous pouvez saisir la catégorie et le contenu séparément à l'aide

\[category\]\s*([^\r\n]*)\r?\n((?:(?!\[category\]).)*) 

Après un match, mymatch.group(1) contiendra la catégorie et mymatch.group(2) contiendra les titres de films.

Exemple en Python 3.1 (en utilisant votre chaîne comme mymovies):

>>> import re 
>>> myregex = re.compile(r"\[category\]\s*([^\r\n]*)\r?\n((?:(?!\[category\]).)*)", re.DOTALL) 
>>> for mymatch in myregex.finditer(mymovies): 
...  print("Category: {}".format(mymatch.group(1))) 
...  for movie in mymatch.group(2).split("\n"): 
...   if movie.strip(): 
...    print("contains: {}".format(movie.strip())) 
... 
Category: Horror: 
contains: 1. Movie 
contains: 2. Movie 
contains: 3. Movie 
Category: Comedy: 
contains: 1. Movie 
Category: Action: 
contains: 1. Movie 
contains: 2. Movie 
>>> 

Answer 2

Vous pouvez analyser la ligne par ligne fichier ainsi:

import collections 

result=collections.defaultdict(list) 
with open('data') as f: 
    genre='unknown' 
    for line in f: 
     line=line.strip() 
     if line.startswith('[category]'): 
      genre=line.replace('[category]','',1) 
     elif line: 
      result[genre].append(line) 

for key in result: 
    print('{k} {m}'.format(k=key,m=list(result[key]))) 

cède

Action: ['1. Movie', '2. Movie'] 
Comedy: ['1. Movie'] 
Horror: ['1. Movie', '2. Movie', '3. Movie'] 

Answer 3

Déjà donné le conseil des autres pour votre format de fichier texte, je suis juste en train de donner une autre suggestion ... Si la réécriture de votre fichier est possible, une solution facile pourrait être de changer à ConfigParser -readable (et écriture) Fichier:

 
[Horror] 
1: Movie 
2: Movie 
3: Movie 

[Comedy] 
1: Movie 

[Action] 
1: Movie 
2: Movie 

Answer 4

import re 

re_cat = re.compile("\[category\] (.*):") 

categories = {} 

category = None 

for line in open("movies.txt", "r").read().split("\n"): 
    line = line.strip() 
    if not line: 
     continue 
    if re_cat.match(line): 
     category = re_cat.sub("\\1", line) 
     if not category in categories: 
      categories[category] = [] 
continue 
    categories[category].append(line) 

print categories 

Makes le dictionnaire suivant:

{ 
'Action': ['Movie', 'Movie'], 
'Horror': ['Movie', 'Movie', 'Movie'], 
'Comedy': ['Movie'] 
} 

Nous utilisons la même expression régulière pour faire correspondre et supprimer le nom de la catégorie, il est donc efficace de le compiler avec re.compile.

Nous avons une variable category en cours d'exécution qui change chaque fois qu'une nouvelle catégorie est analysée. Toute ligne qui ne définit pas une nouvelle catégorie est ajoutée au dictionnaire categories sous la clé appropriée. Les catégories définies pour la première fois créent une liste sous la bonne clé de dictionnaire, mais les catégories peuvent également être listées plusieurs fois et tout finira sous la bonne clé.

Tous les films répertoriés avant la définition d'une catégorie seront placés dans le dictionnaire sous la clé None.