时间戳

首页 > 解决方案 > 从pycharm中的重组文本文件中删除面包屑

python - 从pycharm中的重组文本文件中删除面包屑

问题描述

我有大约 13,000 个文件需要从中删除面包屑。每个文件开头的模式大致如下所示：

Title
=====

| |image0| `link <link1.html>`__ |image1| ::
  `link2 <link2.html>`__ ::
  `link3 <link3.html>`__
| **Introduced** : VersionXXX

然而，在某些文件中，标题行和最后一行之间的部分是 2 或 4，具体取决于树的深度。无论标题行和此处显示的最后一行之间的行如何，我都希望将中间部分完全删除。我不太清楚如何做到这一点，希望能得到一些帮助。我正在使用 pycharm，他们有一个正则表达式工具（我还没有成功），但我同样很高兴使用 sed 或 python 之类的替代方法来遍历文件。

预期结果：

Title
=====

| **Introduced** : VersionXXX

感谢所有出色的解决方案。避免写入单独文件的最终解决方案：

import os

src_dir = '/PycharmProjects/docs/testfiles'
logf = open('failed_file_log.txt', 'w')

for filename in os.listdir(src_dir):
    print(filename)

    with open('{}/{}'.format(src_dir, filename), 'r') as f:
        lines = f.readlines()
    with open('{}/{}'.format(src_dir, filename), 'w') as f:
        try:
            for i in range(3):
                f.write(lines[i])
            copy = False
            for line in lines:
                if copy:
                    f.write(line)
                elif line.startswith('| **Introduced**'):
                    copy = True
                    f.write(line)
        except Exception as e:
            logf.write('Failed to rewrite {}'.format(filename))
        finally:
            pass

标签： pythonregexsedpycharmrestructuredtext

解决方案

正如sedOP 在问题中标记的那样，以下是获得所需结果的两个单行代码：

sed -n  '/Title/{N;N;p}; /Introduced/{p}' input
Title
=====

| **Introduced** : VersionXXX

或者

awk：

awk '/Title/{print;getline;print;getline;print}/Introduced/{print}' input
Title
=====

| **Introduced** : VersionXXX

推荐阅读