Python：查找文本fi中多个单词的最接近匹配

Question

我需要解析多个类似于one的财务报表.txt文件。txt文件没有标准格式。然而，它们有相似的标题。我的目标是提取.txt文件中以以下关键字['Item', '7', 'Management', 'Analysis']开头、以['Item', '8', 'Financial', 'Statements']结尾的部分。list matter和['Item', '7', 'Management', 'Analysis']中单词的顺序都在['Item', '8', 'Financial', 'Statements']之前。在

我想从以下几点开始：

fdir = open('C:\\0001193125-13-416534.txt','r')
lines = fdir.readlines()

并在lines中的每一行上循环，并使用^{}查找上述关键字。但是，我有两个问题：（1）如何使用difflib搜索多个单词？（2） 我知道difflib将简单地提取匹配词，但是我如何使用它来查找index（列表中的位置lines）中这些单词的确切位置呢？在

让我补充第三个问题：使用.readlines()是读取txt文件并开始搜索匹配词的适当方式，还是应该使用.read()？在

Answer 1

您可以在这里与f.read（）一起使用re。在

read（）返回一个字符串，而f.readlines（）返回一个列表。在

import re
x=f.read()
print re.findall(r"Item(?:(?!Item).)*7(?:(?!Item|7).)*Management(?:(?!Item|7|Management).)*Analysis[\s\S]*Item(?:(?!Item).)*8(?:(?!Item|8).)*Financial(?:(?!Item|8|Financial).)*Statements",x)