假设有一个很大的文本文件,大约有5000个HTML文档。我试图“搜索”一个
DOCNO
打印文件的所有行直到遇到下一行
</DOC>
标签。
文本文件大致如下:
<DOC>
<DOCNO>abc4567890</DOCNO>
contents
more contents
<BODY>
even more contents
</BODY>
</DOC>
... repeated roughly 5000 times for different DOC NO's
我正在寻找一个输出:
contents
more contents
<BODY>
even more contents
</BODY>
</DOC>
以下是我一直在努力实现的目标:
doc_string = "abc4567890"
with open('myfile.txt', encoding = "utf8") as f:
for item in f.readlines():
if "</DOCNO>" in item:
ID = (item [ item.find("<DOCNO>")+len("<DOCNO>") : ])
if (ID[0:9] == doc_string):
print (item)
if "</DOC>" in item:
break
但是,作为输出,我得到:
<DOCNO>abc4567890</DOCNO>