创建一个使用python和fi的字典

Question

我从projectgutenberg http://www.gutenberg.org/cache/epub/29765/pg29765.txt下载了下面的字典（它是25MB，所以如果你使用的是慢速连接，请避免点击链接）

在我的字典里，有一些词是专门为我在字典里找的，比如说在我的字典里有一些过时的词。在

我要提取的是定义，用“Defn”表示，然后打印这些行。我想出了一个相当难看的“解决方案”

def lookup(search):
    find = search.upper()                   # transforms our search parameter all upper letters
    output = []                             # empty dummy list
    infile = open('webster.txt', 'r')       # opening the webster file for reading
    for line in infile:
        for part in line.split():
            if (find == part):
                for line in infile:
                    if (line.find("Defn:") == 0):  # ugly I know, but my only guess so far
                        output.append(line[6:])
                        print output               # uncertain about how to proceed
                        break

当然，这只打印第一行在“Defn:”之后。因此，当Python来处理新的文件时，我将如何处理它。我读过元组中的行，注意到有一些特殊的新行字符。在

所以我想告诉Python继续读，直到新行字符用完为止，但这不算最后一行必须读的。在

有人能用一些有用的功能来增强我的能力吗？我可以用它来解决这个问题（如果有一个最小的例子将不胜感激）。在

---

期望输出示例：

查找（“幻觉”）

出局：漫游；误入歧途；犯错；犯错误；犯错误；用于精神 过程。[R.]拜伦。在

查找（“幻觉”）

out：对没有真实感的对象的感知，或\r\n 没有相应外因的感觉，由\r\n 精神错乱或神经系统紊乱，如震颤性谵妄；妄想症。\r\n 幻觉总是大脑紊乱的证据，并且是\r\n 常见的精神错乱现象。W、 A.哈蒙德。在

---

从文本：

^{pr2}$

Answer 1

您可以拆分为段落并使用搜索词的索引，然后在以下位置找到第一个Defn段落：

def find_def(f,word):
    import re
    with open(f) as f:
        lines = f.read() 
        try:
            start = lines.index("{}\r\n".format(word)) # find where our search word is
        except ValueError: 
            return "Cannot find search term" 
        paras = re.split("\s+\r\n",lines[start:],10) # split into paragraphs using maxsplit = 10 as there are no grouping of paras longer in the definitions
        for para in paras:
            if para.startswith("Defn:"): # if para startswith Defn: we have what we need
                return para # return the  para

print(find_def("in.txt","HALLUCINATION"))

使用整个文件返回：

^{pr2}$

略短的版本：

def find_def(f,word):
    import re
    with open(f) as f:
        lines = f.read()
        try:
            start = lines.index("{}\r\n".format(word))
        except ValueError:
            return "Cannot find search term"
        defn = lines[start:].index("Defn:")
        return re.split("\s+\r\n",lines[start+defn:],1)[0]