Python - 从文件夹中所有文件提取并修改特定行的文本部分

Question

我想从一个文件夹里的很多文件中提取并修改特定的一行文字，但遇到了一些问题。

比如，第一个文件的内容可能是：

To: Bob
From: Bill
<Message> The eagle flies at midnight. <End Message>

第二条消息格式不同，但大致相同，依此类推。我想提取第三行，把'The eagle flies at midnight.'通过一个函数（比如base64）处理一下，然后再把它放回到'消息'和'结束消息'之间。最终的输出应该是：

To: Bob
From: Bill
<Message> VGhlIGVhZ2xlIGZsaWVzIGF0IG1pZG5pZ2h0Lg== <End Message>

这是我目前尝试（和调整）的内容。

import base64
import os
import io

#ask user where his stuff is / is going
directory = raw_input("INPUT Folder:")
output = raw_input("OUTPUT Folder:")

#get that stuff
myfilepath = os.path.join(directory, '*.txt')
with open('*.txt', 'r') as file:
data = file.readlines()

#Go to line 3 and take out non encoded text.
data[3] = X
X.strip("<Message>")
X.strip("<End Message>")
coded_string = X

#Encode line 3
base64.b64encode(coded_string)
data[3] = '<Message> %s <End Message>' % (coded_string)

# and write everything back
with open('*.txt', 'w') as file:
file.writelines(data)

我相信这里面有很多问题，特别是在打开文件和写回内容的部分。额外加分：这个文件夹里99%的消息都是这个确切的格式，但有1%的垃圾消息（它们不需要编码，第三行的内容也不同）。我对这些不太担心，但如果在处理过程中能不影响它们就更好了。也许如果从0开始计数，第三行应该是第二行……

编辑：正在尝试

import re, base64
import os

folder = 'C:/Users/xxx/Desktop/input'
matcher = re.compile("<Message>(?P<text>[^<]*)<End Message>")

for filename in os.listdir(folder):
    infilename = os.path.join(folder, filename)
    if not os.path.isfile(infilename): continue

    base, extension = os.path.splitext(filename)
    filein = open(infilename, 'r')
    fileout = open(os.path.join(folder, '{}_edit.{}'.format(base, extension)), 'w')
for line in filein:
match = matcher.search(line)
if match:
    fileout.write("<message> " + base64.b64encode(match.group('text').strip()) + " <End message>\n")
else:
    fileout.write(line)

filein.close()
fileout.close()

最终，这让我得到了一堆空文件，只有最后一个文件的内容被正确翻译了。

Answer 1

你可以使用正则表达式来简化操作，像这样：

import re, base64

filein = open("examplein.txt", 'r')
fileout = open("exampleout.txt", 'w')

matcher = re.compile("<Message>(?P<text>[^<]*)<End Message>")

for line in filein:
    match = matcher.search(line)
    if match:
        fileout.write("<message> " + base64.b64encode(match.group('text').strip()) + " <End message>\n")
    else:
        fileout.write(line)

filein.close()
fileout.close()

这段代码只适用于一个文件，你需要修改它，让它能处理你目录下的所有文件：

import re, base64
import os

folder = '/home/user/Public'
matcher = re.compile("<Message>(?P<text>[^<]*)<End Message>")

for filename in os.listdir(folder):
    infilename = os.path.join(folder, filename)
    if not os.path.isfile(infilename): continue

    base, extension = os.path.splitext(filename)
    filein = open(infilename, 'r')
    fileout = open(os.path.join(folder, '{}_edit.{}'.format(base, extension)), 'w')
    for line in filein:
        match = matcher.search(line)
        if match:
            fileout.write("<message> " + base64.b64encode(match.group('text').strip()) + " <End message>\n")
        else:
            fileout.write(line)

    filein.close()
    fileout.close()

这段代码在我的电脑上可以正常运行