给定一个包含5000个HTML文档的非常大的文本文件。我正在尝试“搜索”特定DOCNO
的文本文件,并打印文件的所有行,直到遇到下一个</DOC>
标记
文本文件大致如下所示:
<DOC>
<DOCNO>abc4567890</DOCNO>
contents
more contents
<BODY>
even more contents
</BODY>
</DOC>
... repeated roughly 5000 times for different DOC NO's
我正在寻找以下输出:
contents
more contents
<BODY>
even more contents
</BODY>
</DOC>
以下是我一直试图实现的:
doc_string = "abc4567890"
with open('myfile.txt', encoding = "utf8") as f:
for item in f.readlines():
if "</DOCNO>" in item:
ID = (item [ item.find("<DOCNO>")+len("<DOCNO>") : ])
if (ID[0:9] == doc_string):
print (item)
if "</DOC>" in item:
break
但是,作为输出,我得到:
<DOCNO>abc4567890</DOCNO>
像这样的怎么样
根据您的输入,它将输出:
相关问题 更多 >
编程相关推荐