Python - 複数のファイルから複数の文字列のテキストを抽出する

Question

Pythonの教祖は、リストからすべてのテキストを抽出する必要があります。下のURLはパターンのサンプルです。私はまた、スクリプトがフォルダ内のすべてのファイルをループできるようにしたい。

..... 
..... 
<List>Product Line</List> 
<URL>http://teamspace.abb.com/sites/Product</URL> 
... 
... 
<List>Contact Number</List> 
<URL>https://teamspace.abb.com/sites/Contact</URL> 
.... 
.... 

の予想される出力

<List>Product Line</List> 
<URL>http://teamspace.abb.com/sites/Product</URL> 
<List>Contact Number</List> 
<URL>https://teamspace.abb.com/sites/Contact</URL> 

私はリストから始まるすべてのキーワードを抽出し、ループにできたフォルダ内のすべてのファイルとスクリプトを開発してきましたが、URLを含むように私はできません。あなたの助けが大変ありがとうございます。

# defining location of parent folder 
    BASE_DIRECTORY = 'C:\D_Drive\Projects\Test' 
    output_file = open('C:\D_Drive\Projects\\Test\Output.txt', 'w') 
    output = {} 
    file_list = [] 

# scanning through sub folders 
for (dirpath, dirnames, filenames) in os.walk(BASE_DIRECTORY): 
for f in filenames: 
    if 'xml' in str(f): 
     e = os.path.join(str(dirpath), str(f)) 
     file_list.append(e) 

for f in file_list: 
print f 
txtfile = open(f, 'r') 
output[f] = [] 
for line in txtfile: 
    if '<List>' in line: 
     output[f].append(line) 
tabs = [] 
for tab in output: 
tabs.append(tab) 

tabs.sort() 
for tab in tabs: 
output_file.write(tab + '\n') 
output_file.write('\n') 
for row in output[tab]: 
    output_file.write(row + '') 
output_file.write('\n') 
output_file.write('----------------------------------------------------------\n') 

raw_input() 

Sample file

Answer 1

あなたの答えは、ほとんどが右の唯一の変化は、イテレータを作成するために必要とされていますファイルのために。要素木や美しいスープを使うこともできますが、このような繰り返しを理解することは、xmlやhtml以外のファイルでも機能します。

txtfile = iter(open(f, 'r')) # change here 
output[f] = [] 
for line in txtfile: 
    if '<List>' in line: 
     output[f].append(line) 
     output[f].append(next(txtfile)) # and here 

Answer 2

xml.etree.ElementTreeで試してみてください：

import xml.etree.ElementTree as ET 
tree = ET.parse('Product_Workflow.xml') 
root = tree.getroot() 
with open('Output.txt','w') as opfile: 
    for l,u in zip(root.iter('List'),root.iter('URL')): 
     opfile.write(ET.tostring(l).strip()) 
     opfile.write('\n') 
     opfile.write(ET.tostring(u).strip()) 
     opfile.write('\n') 

Output.txtはあなたを与える：

<List>Emove</List> 
<URL>http://teamspace.abb.com/sites/Product</URL> 
<List>Asset_KWT</List> 
<URL>https://teamspace.slb.com/sites/Contact</URL> 

Answer 3

あなたはそうのようなfilterやリストの内包表記を使用することができます：どちらか一方のプリント

with open('/tmp/file') as f: 
    print [line for line in f if any(e in line for e in tgt)] 

：

[' <List>Product Line</List>\n', ' <URL>http://teamspace.abb.com/sites/Product</URL>\n', ' <List>Contact Number</List>\n', ' <URL>https://teamspace.abb.com/sites/Contact</URL>\n']