在python中使用stopwords过滤文件中的行

Question

我有一个包含几行文本的文本文件。我需要过滤掉所有以小写字母开头的行，只打印以大写字母开头的行。如何在Python中执行此操作？在

我试过了：

filtercase =('a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v','w','x','y','z')

out = []

ins = open("data.txt","r")
for line in ins:
   for k in filtercase:
      if(not(line.startswith(k))):
           out.append(line)

如果行以除“a”以外的任何小写字母开头，则仍将打印这些行。我不知道如何更改代码以使其工作。感谢任何帮助。在

编辑时间： 我有更多像这样的停止语列表，我需要应用到行。所以它不仅仅是大写或小写。在

Answer 1

以下方法应该有效。

with open('data.txt', 'r') as ins:
    out = filter(lambda line: [sw for sw in filtercase if line.startswith(sw)] == [], ins.readlines())

Answer 2

此解决方案使用regexp，并且只匹配以大写字母开头且不包含stopword中任何单词的行。注意，例如，如果其中一个停止字是'me'，那么'messenger'行将不匹配。

import re

out = []
stopwords = ['no', 'please', 'dont']
lower = re.compile('^[a-z]')
upper = re.compile('^[A-Z]')
with open('data.txt') as ifile:
    for line in ifile:
        if (not lower.match(line) and
            not any(word in line for word in stopwords)) \
            and upper.match(line):
           out.append(line)

Answer 3

原始代码迭代filtercase中的每个字母。如果每一个字母的每一行都不是以它开头的，那么就把它附加到输出列表中。但是很明显，每一行都会被多次追加，因为要使一行不被追加到out，它必须以'a'、'b'、'c'开头，以及过滤器列表中的每一个字母。

相反，您需要遍历filtercase，并且需要找到k的一个实例，其中{}为真。如果line.startswith中有filtercase中的任何短语，则不要追加它；但是如果它成功地迭代了整个列表而不从其任何元素开始，则追加。

Python的for else语法对于检查元素列表非常有用：

out = []

with open('data.txt', 'r') as ins:
    for line in ins:
        for k in filtercase:
            if line.startswith(k): # If line starts with any of the filter words
                break # Else block isn't executed.
        else: # Line doesn't start with filter word, append to message
            out.append(line)