从文本文件中的特定字符串开始查找字符串并分类

Question

我在做作业，我也读过类似的文章，发现这里有一个很有趣的：Find string between two substrings

我的目标是使用python搜索我在文本文件中搜索的3种特定模式，我需要在未分类的文本文件中执行搜索，我需要：

1）从关键字“更多信息”开始搜索（在此之前跳过信息）

2）文件分类依据： A1）字符串：“大房子”和他的价格 A2）字符串：“大房子”未找到价格 B1）字符串：“小房子”和他的价格 B2）string:'small home'未找到价格 C1）字符串：“大房子”和“小房子”及其价格 C2）字符串：“大房子”和“小房子”缺少它们的价格 D） 找不到字符串（大家庭或小家庭）

对于A，B，C，找到价格和打印='大房子价格50美元'，如果没有找到价格提到。你知道吗

我正在用python进行文本研究，它返回找到的关键字的分类法，我需要根据上述模式A、B、C和D对文档（文本文件）进行分类

data_train['classi'] = data_train['text'].apply(lambda x: len([x for x in x if x.startswith('classi')]))
data_train[['text','classi']].head()

输出如下：

text    classi
0   [big home, forrest, suburb, more info,          0
1   [town, pool, more info,                         0
2   [small home,more info,  forrest, suburb         1
3   [big home, more info,  forrest, price 50        1
4   [big home, forrest,  more info,  city           0

我希望： 1） 从关键字“更多信息”开始搜索 2） 对我在A、B、C、D中搜索的文本文档进行分类（如果没有价格，则获取包含价格的字符串）。你知道吗

非常感谢您的支持！你知道吗

编辑：

• 也许在这里使用NLTK很有趣，知道吗？

• 实际玩https://pythex.org/

Answer 1

我会做类似的事情：

from pathlib import Path
for file in Path("my_folder").glob("*.txt"):
    with file.open('r') as f:
        more_info_flag = False
        for line in f:
            if not more_info_flag:
                if "more info" in line:
                    more_info_flag = True
                else:
                    continue
            if "big_home" in line:
                if "price is" in line:
                    price = int(line.split("price is")[1].split(" ")[0])
                else:
                    price = None
                do_something(price)

我认为这将适用于您发布的文件，如果其他格式不同，将需要调整。。。你知道吗