Python-сообщество

Всем привет.
Задача состоит в следующем - есть огромный .txt файл (во время работы менять файл нельзя), который имеет такую структуру (если кому интересно - это данные по выданым кредитам):

куча текста с общей информацией
*Начало важного для меня блока*
Gutschrift спецкод1 дата1
все данные по кредиту1
Gutschrift спецкод2 дата2
все данные по кредиту2
…..
Gutschrift спецкодN датаN # N приблизительно равно 800
все данные по кредитуN
*Конец важного для меня блока*
куча текста с еще какой-то там информацией

Итак, моя задача состоит в следующем - нужно найти все числа от 5 до 10 цифр между “спецкодА” и следующим словом Gutschrift (это кредит по немецки) и выдать массив этих чисел.
Моя идея решения задачи состоит в том, что-бы считать весь файл в строку, из этой строки скопировать всё между “Gutschrift спецкодА” и следующим словом Gutschrift в новую строку и уже в ней найти все числа от 5 до 10 знаков при помощи регулярных выражений. Ну и при необходимости в цикле повторять это для разных спецкодов.

Вопрос к вам, уважаемое сообщество - является ли мой способ решения задачи оптимальным (ну или хотя-бы адекватным)? Если да, то каким образом можно из одной строки скопировать в другую только тот текст, который находится между спецкодом и следующим словом Gutschrift? (подозреваю, что тут не обойтись без регулярных выражений, но я могу ошибаться). Ну и на всякий случай третий вопрос - быть может, эту задачу вообще лучше решать при помощи другого языка и питон тут вообще не подходит?

Я старался описать задачу как можно более подробно, если у меня не получилось - спрашивайте, отвечу на любые вопросы и буду благодарен за любую помощь, а то я малость застрял с этой проблемой

Отредактировано Chapla (Июль 24, 2018 10:55:30)

> есть огромный .txt файл

Каков примерный размер файла?

Chapla
Моя идея решения задачи состоит в том, что-бы считать весь файл в строку, из этой строки скопировать всё между “Gutschrift спецкодА” и следующим словом Gutschrift в новую строку и уже в ней найти все числа от 5 до 10 знаков при помощи регулярных выражений. Ну и при необходимости в цикле повторять это для разных спецкодов.

Отредактировано py.user.next (Июль 24, 2018 12:30:01)

Rodegast
> есть огромный .txt файлКаков примерный размер файла?

py.user.next
Надо его перебирать построчно, пока не найдётся интересующая строка. Затем надо эту строку и последующие строки добавить в новый список, не включая туда строку с признаком завершения. Потом этот список взять и объединить в одну строку. Потом в полученном тексте выбирать числа через re.findall() с опцией re.DOTALL .

 r"Gutschrift\W+" + Belegnummer 

Chapla
Вполне вероятно, что слово Gutschrift будет в другой строке, то есть, между этим словом и спецкодом может быть несколько символов \n.

Chapla
Если перебирать построчно, то велика вероятность не найти ничего.

Отредактировано py.user.next (Июль 24, 2018 13:37:32)

py.user.next
Ты просто не понял, про что речь. Строки берутся только для того, чтобы блок выделить, в котором будет проводиться поиск чисел.

Отредактировано Chapla (Июль 24, 2018 14:15:29)

Прикреплённый файлы:
Untitled.png (7,4 KБ)

Chapla
куча текста с общей информацией
*Начало важного для меня блока*
Gutschrift спецкод1 дата1
все данные по кредиту1
Gutschrift спецкод2 дата2
все данные по кредиту2
…..
Gutschrift спецкодN датаN # N приблизительно равно 800
все данные по кредитуN
*Конец важного для меня блока*
куча текста с еще какой-то там информацией

Отредактировано py.user.next (Июль 24, 2018 14:52:36)

ЕЯПП у тебя начало блока Gutschrift, конец блока - Belegnummer
типа так

 >>> doc ='''Gutschrift
123 234 456
Belegnummer
bla bla
Gutschrift
123 234 4561
Belegnummer
bla bla bla
Gutschrift
123 234 456
Belegnummer
bla bla bla
'''
>>> tmp = []
>>> for line in doc.split('\n'):
	if 'Gutschrift' in line: tmp = []
	elif 'Belegnummer' in line:
		print('\t'.join(tmp))
	else:
		if line.strip(): tmp.append(line)
		
123 234 456
123 234 4561
123 234 456
>>>