如何利用python批量提取txt文本中所需文本并写入excel

这里给出如何利用Python批量提取txt文本中所需文本并写入Excel的攻略，共分为五个步骤。

第一步

首先需要安装两个Python库，它们分别是pandas和glob，pandas用于将提取的内容写入Excel，glob用于遍历目标文件夹中的所有文件。

import pandas as pd
import glob

第二步

使用glob库来遍历目标文件夹下的所有txt文件，并逐个读取其文本。

# 遍历指定文件夹下的所有txt文件，用file_path来存储每个文件的路径
file_path_list = glob.glob("目标文件夹/*.txt")

# 用data_list列表存储所有文件中的所有文本内容
data_list = []
for fp in file_path_list:
    with open(fp, 'r', encoding='utf-8') as f:
        data = f.read()
        data_list.append(data)

第三步

对读取的文本进行处理，提取需要的内容。

# 对每个文件中的文本进行处理，并将处理结果存储在一个列表中
processed_data_list = []
for data in data_list:
    # 根据文本特点，使用正则表达式来提取需要的内容，并将其存储到processed_data_list列表中
    processed_data = process_text(data)
    processed_data_list.append(processed_data)

第四步

将提取的内容写入Excel。

# 将processed_data_list列表中所有元素依次写入Excel第一列中
df = pd.DataFrame(processed_data_list, columns=["数据"])
df.to_excel("结果.xlsx", index=False)

第五步

完整代码示例：

import pandas as pd
import glob

# 遍历指定文件夹下的所有txt文件，用file_path来存储每个文件的路径
file_path_list = glob.glob("目标文件夹/*.txt")

# 用data_list列表存储所有文件中的所有文本内容
data_list = []
for fp in file_path_list:
    with open(fp, 'r', encoding='utf-8') as f:
        data = f.read()
        data_list.append(data)

# 对每个文件中的文本进行处理，并将处理结果存储在一个列表中
processed_data_list = []
for data in data_list:
    # 根据文本特点，使用正则表达式来提取需要的内容，并将其存储到processed_data_list列表中
    processed_data = process_text(data)
    processed_data_list.append(processed_data)

# 将processed_data_list列表中所有元素依次写入Excel第一列中
df = pd.DataFrame(processed_data_list, columns=["数据"])
df.to_excel("结果.xlsx", index=False)

其中，process_text函数需要根据实际情况自己编写，其目的是对提取的文本进行处理、提取需要的内容。以下是两个示例：

示例1

假设目标文本中每行都有一个数字，现在需要提取这些数字，并将它们存储到一个列表中。

import re

def process_text(data):
    # 使用正则表达式提取文本中所有数字，并将它们存储在一个列表中
    pattern = r'\d+'
    numbers = re.findall(pattern, data)
    return numbers

示例2

假设目标文本中有很多行文字，每行文字中都有一些关键词，现在需要提取每行文字中的关键词，并将它们用逗号拼接起来，最终形成一个字符串。

def process_text(data):
    # 根据文本中的特点，使用split函数将文本拆分成多行
    lines = data.split('\n')
    final_result = []
    for line in lines:
        # 对每一行使用split函数拆分成多个单词，然后筛选出关键词存储到result列表中
        words = line.split(' ')
        result = []
        for word in words:
            if "关键词" in word:
                result.append(word)
        # 最后将result中的关键词用逗号拼接起来，存储到final_result列表中
        final_result.append(','.join(result))
    # 返回拼接好的字符串列表
    return final_result