使用python编辑.txt文件，然后转换为有效的xml

Question

我有很多文本文件需要转换成.xml，以便能够更有效地工作 （我应该做几个语言模型来分析英语方言）

文件如下：

<I> <IFL-IDN W2C-001 #1:1> <#> <h> <bold> Some Statement that I can edit </bold> <bold> followed by another </bold> </h> 
    <IFL-IDN W2C-001 #2:1> <p> <#> more and more text that is not very relevant . </p></I>

每个文件大约有500个单词，我要做的是识别标记，并关闭未闭合的标记，如<；\gt；>；和句子末尾。在

然后，我想将整个.txt文件转换为有效的xml文件，其中包含每个单词的前后。 我可以用.split（）将其分开，但问题是这类标记中有空格。在

我能想到的最好的代码是spilline（），然后对一个句子执行.split（），然后尝试识别

这是它的代码

^{pr2}$

我最初的想法是，如果我能写一些东西来保存一个.txt文件中的一个有效的xml文件，那么将该文件转换为一个.xml文件应该不是一个大问题。 我找不到一个python库可以做到这一点，eltree库可以创建xml，但是我找不到任何东西来标识和转换它。在

提前谢谢你，任何帮助都将不胜感激。在

Answer 1

首先，您不必加载文件并拆分行，您可以迭代这些行。xml解析器可以单独应用于每一行。在

Korpus = open("w2c-001.txt")
for line in Korpus:
    ...

如果您想自己解析它，可以使用正则表达式来查找标记

^{pr2}$

XML不是一种文件格式，它是一种语言，只需将纯文本写入.XML文件就可以了。在