用python将txt文件拆分成多个小文件

男娘i 2023-05-21 15:20 30阅读 0赞

txt文件本身为由逗号区分开的连续字符串，字符串均为链接，因此一般特征也比较明显，文件如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dvZnJlc2htYW4_size_16_color_FFFFFF_t_70_pic_center]  
首先想到方法是用with open read函数获取文件信息，通过’,‘来拆分各个url，按照url域名来得到小文件名，从而完成文件拆分，但此时得到的小文件可读性很差，经过查询得知，可将此时各url较共同的后缀替换为原字符+’<br>’，并另存为htm文件，浏览器打开另存文件，即可得到每个url一行的呈现。基本预期达到，但是方法原始，手工操作很多。  
后来经过查询试验，调整为一下思路：  
利用with open read函数获取文件信息，此时指定编码为utf-8，利用split函数分解连续字符串，以每个逗号为标志拆分后传到到列表中，  
利用循环按照每个链接字符串中‘//**.**.\*\*/‘主要域名部分来区分不同小文件范围，并将域名作为小文件名称，此时循环界定文件内容范围方式采用某域名  
与其后域名是否一致来判断是否同属一个文件，每个循环结束令写入文件的列表置空，重新传入文件内容。  
1.源文件编码格式不为utf-8，重新修改另存尝试无果，遂在with open和write时引用encoding参数指定传来编码为utf-8  
2.正则表达式匹配字符’//‘与’/‘时可以直接匹配，上述两种字符并不是需要转义的字符，其次findall基于贪婪匹配，返回字符串包括太多不合适字符，用’.+?‘得到0或者1个满足条件的字符串即可实现  
3.循环迭代获取列表中某元素其后一个元素内容采用列表.index获取当前元素下标，利用切片获取下一个元素即可，当下个元素下标已超出列表长度，定义特殊值  
4.写入文件时，每个列表元素再添加’\\n’换行符来实现换行，提升可读性。  
代码如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dvZnJlc2htYW4_size_16_color_FFFFFF_t_70]

> 其中深层缘由也不甚清楚，这里只是分享实践试出来的一种方法

[参考大佬][Link 1]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dvZnJlc2htYW4_size_16_color_FFFFFF_t_70_pic_center]: /images/20230521/be2ec5c5941e415e8b6ba70074c8c3f3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dvZnJlc2htYW4_size_16_color_FFFFFF_t_70]: /images/20230521/81481a748d8e4bf591c80bbc13d93d79.png
[Link 1]: https://blog.csdn.net/IBoyMan/article/details/79419347