本教程旨在指导读者如何利用Python从具有特定结构化模式的文本文件中提取信息，并将其组织成一个易于访问和操作的嵌套字典。在处理大量日志、配置或描述性文本数据时，将非结构化或半结构化数据转换为结构化格式是常见的需求。
挑战概述
假设我们有一个包含机器故障及其解决方案的文本文件，其格式大致如下：
Balancim de corte hidráulico (a) ponteDefect 01 – Máquina não ligaBotão de emergência acionadoProblema no pedalDefeito 02 – O martelo não vai para os ladosBotão de emergência acionado...
我们的目标是将这些信息转换成一个Python字典，其结构应为：
machine_dict = { 'Balancim de corte hidráulico (a) ponte': { 'Defect 01 – Máquina não liga': ['Botão de emergência acionado', 'Problema no pedal'], 'Defeito 02 – O martelo não vai para os lados': ['Botão de emergência acionado'] } # ... 其他机器}
原始文件格式的挑战在于，一个机器标题后面可能跟着多个缺陷及其解决方案，且缺陷和解决方案的行数不固定。这使得程序难以准确判断哪些解决方案属于哪个缺陷，以及何时一个新的机器标题开始。
核心策略：优化输入文件格式
解决上述挑战的关键在于优化输入文件的结构。与其让一个机器标题统领所有缺陷，不如将每个“机器-缺陷-解决方案”组合视为一个独立的逻辑块。每个块都以机器标题开头，后跟一个缺陷描述，然后是该缺陷的所有解决方案。块与块之间使用空行进行分隔。
优化后的文件格式示例：
立即学习“Python免费学习笔记（深入）”；
Balancim de corte hidraulico (a) ponteDefeito 01 - Maquina nao ligaBotao de emergencia acionadoProblema no pedalBalancim de corte hidraulico (a) ponteDefeito 02 - O martelo nao vai para os ladosBotao de emergencia acionadoBalancim de Corte hidraulico Braco (Tecnomaq)Defeito 01 - O martelo sobe e desce lentoFiltro de óleo entupidoBalancim de Corte hidraulico Braco (Tecnomaq)Defeito 02 - O martelo sobe todo e aumenta o ruido do balancimOperador regulou muito alto o martelo
这种格式极大地简化了数据的解析过程，因为每个 nn 分隔的块都包含了一个完整的“机器-缺陷-解决方案”单元。
Python实现步骤
以下是实现上述解析过程的Python代码及详细解释。
1. 准备输入文件
首先，确保你的文本文件（例如 manual.txt）已经按照优化后的格式组织。
2. 编写Python解析代码
import osimport json# 假设文件名为 manual.txt 且位于脚本同级目录file_path = 'manual.txt'# 模拟创建文件，如果文件不存在的话# 在实际应用中，你需要确保 manual.txt 文件已存在并包含正确的数据if not os.path.exists(file_path): print(f"创建模拟文件: {file_path}") sample_content = """Balancim de corte hidraulico (a) ponteDefeito 01 - Maquina nao ligaBotao de emergencia acionadoProblema no pedalBalancim de corte hidraulico (a) ponteDefeito 02 - O martelo nao vai para os ladosBotao de emergencia acionadoBalancim de Corte hidraulico Braco (Tecnomaq)Defeito 01 - O martelo sobe e desce lentoFiltro de óleo entupidoBalancim de Corte hidraulico Braco (Tecnomaq)Defeito 02 - O martelo sobe todo e aumenta o ruido do balancimOperador regulou muito alto o martelo""" with open(file_path, 'w', encoding='utf-8') as f: f.write(sample_content) print("模拟文件创建成功。")# 打开并读取文件内容try: with open(file_path, 'r', encoding='utf-8') as manual_file: manual_tpm_content = manual_file.read() # 初始化存储解析结果的字典 maqs_problem_solution = {} # 按双空行 'nn' 分割内容，得到各个逻辑数据块 # filter(None, ...) 用于去除可能因文件开头/结尾空行或连续多空行导致产生的空字符串块 data_blocks = [block.strip() for block in manual_tpm_content.split('nn') if block.strip()] # 遍历每个数据块进行解析 for block in data_blocks: # 按单空行 'n' 分割块，得到行列表 lines = [line.strip() for line in block.split('n') if line.strip()] if len(lines) >= 2: machine_name = lines[0] # 第一行是机器名称 defect_description = lines[1] # 第二行是缺陷描述 solutions = lines[2:] # 剩余行是解决方案列表 # 如果机器名称尚未在字典中，则创建其对应的子字典 if machine_name not in maqs_problem_solution: maqs_problem_solution[machine_name] = {} # 将缺陷和解决方案添加到对应的机器条目下 maqs_problem_solution[machine_name][defect_description] = solutions else: print(f"警告：跳过格式不正确的块: {block}") # 打印最终的字典结果 print(json.dumps(maqs_problem_solution, indent=4, ensure_ascii=False))except FileNotFoundError: print(f"错误：文件 '{file_path}' 未找到。请确保文件存在。")except Exception as e: print(f"发生错误：{e}")
代码解析
文件读取:with open(file_path, ‘r’, encoding=’utf-8′) as manual_file:：以只读模式 (‘r’) 打开文件，并指定 utf-8 编码以正确处理特殊字符。with 语句确保文件在使用完毕后自动关闭。manual_tpm_content = manual_file.read()：一次性读取
以上就是从结构化文本文件高效解析数据至嵌套字典的Python教程的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1374045.html
微信扫一扫 
支付宝扫一扫 
