如何使用Python提取第二次出现特定单词后的文本文件部分

Question

我试图在一个特定单词的第二次出现之后提取文本文件的部分，直到另一个特定单词的第二次出现结束。原因是这两个词首先在目录中列出。因此，当我运行代码时，第一次出现的输出为0

示例文本：

目录

项目1a.风险因素

• 没有任何文本（不需要的部分）

项目1b

目录末尾

主要内容
项目1a。危险因素

• 文本（通缉部分）
• 文本（通缉部分）
• 文本（通缉部分）

项目1b

我需要在第二次出现第1a项之间提取文本。风险因素和第1b项的第二次出现

我的代码如下：

for file in tqdm(files):
with open(file, encoding='ISO-8859-1') as f:
    for line in f:
        if line.strip() == 'Item 1A.Risk Factors': 
            break
    for line in f: 
        if line.strip() == 'Item 1B':
            break
f=open(os.path.join('QTR4_Risk_Factors',
os.path.basename(file)) , 'w')
f.write(line)
f.close()

Answer 1

您编写的代码几乎没有问题，其中一个问题是在扫描文档查找“结束文本”时，您没有保存所需的部分文本。如果可能的话，最好在内存中存储尽可能少的文本，因为我们不知道您试图分析的文档有多大。为此，我们可以在读取原始文件时写入新文件

Ronie的答案是正确的，但它没有说明您只想在第二次出现“开始提示”后才开始保存文本。不幸的是，我还不能评论建议的编辑，所以我添加它作为一个新的答案。 试试这个：

for file in tqdm(files):
    with open(file, encoding='ISO-8859-1') as f, open(os.path.join('QTR4_Risk_Factors', os.path.basename(file)) , 'w') as w:
        start_hint_counter = 0
        write = False
        for line in f:
            if write is False and line.strip() == 'Item 1A.Risk Factors': 
                start_hint_counter += 1
                if start_hint_counter == 2:
                    write = True
            if write is True:
                if line.strip() == 'Item 1B':
                    break
                else:
                    w.write(line)