python3で特定の範囲の行を抽出する方法

前提・実現したいこと

パイソンのコードでどうしてもやり方がわからず困っています。
今テキストファイル（laungauge.txt）があります。その内容は以下のよう感じです。
本の章名, 章のタイトル、章の著者、章の内容が以下のような感じで並んでいます。
以下テキストファイル（laungauge.txt）の内容です。

FEDERALIST No.1 #本の章名

This is the pen. #章のタイトルこの文と次の文は章のタイトルです。章のタイトルは、２行の場合もあるし、３行の場合もあります。行間は一行空いています。

This is an apple.

MADISON # 章の著者名

ahahahahabaergerhaeha ＃本の内容
ahahrharhhea

FEDERALIST No.2 #本の章名

This is an apple.

This is an Banana

JOHN # 章の著者名

ahahahahabaergerhaeha ＃章の内容

ahahrharhhea

FEDERALIST No.３ #本の章名

This is an apple.

HAMILITON # 章の著者名

ahahahahabaergerhaeha ＃章の内容
ahahrharhhea

このパターンでFEDERALIST No.84までつづいています。
このようなファイルで、本の章名から章の著者名までの情報を抜き出したいのですが、どのようにすればいいのかわからず大変困っています。FEDERALIST No.84まであるので本の章名から章の著者名までの情報が８４個あることになるのですが、どなかどのようにすればいいか教えていただけませんでしょうか。
本の章名がそれぞれFEDERALIST で始まっていること、また章の著者名が,MADISON, JOHN, HAMILTONの３人しかいないので、その名前に当たると情報抜き取り終了のようにできないかと考えています。
大変ややこしいですがどうぞよろしくお願いいたします。

###理想とするアウトプット

FEDERALIST No.1

This is the pen.

This is an apple.

MADISON

FEDERALIST No.2

This is the pen.

This is an apple.

This is an Banana

JOHN

FEDERALIST No.３

This is the pen.

This is an apple.

HAMILITON

試したこと

すいません。
いろいろかんがえてみたのですが、どうやってすればいいのか全然わかりません。
手も足もでない状態です。

8524ba23

2018/12/07 02:20

「本の章名から章の著者名までの情報を抜き出したい」とは提示データだと「This is～」文のみ抽出したいということでよろしいですか？

jack1222

2018/12/07 02:46

書き込みありがとうございます。いいえ、違います。FEDERALIST No.1の場合だと、FEDERALIST No.1 #本の章名から MADISON # 章の著者名までのFEDERALIST No.1とMADISON までを含んだものです。

jack1222

2018/12/07 02:52

自分が思うには、FEDERALISTの行から、以下の記述を残すようにして、MADISON, JOHN, HAMILTONの３人の名前のどれかに当たれば記述終了みたいな感じで、それをテキストファイル全体で行うような感じをイメージしているのですが。。。

8524ba23

2018/12/07 03:04 編集

「本の章名～章のテキスト」まででしょうか？提示入力データにおける理想の結果例を追記くださると明確になるかと思います。いずれにせよ、任意のデータを抽出、出力する例を回答として追記しました。

jack1222

2018/12/07 03:04

大変申し訳ございませんでした。理想の結果例を加えさせていただきました。もしよろしければ、この結果に沿って教えていただけませんでしょうか。大変申し訳ございません。

行動規範の内容に同意します

回答1件

ベストアンサー

章は「FEDERALIST～」ではじまる
章のタイトル、章の内容には全部大文字の行がない

という条件を満たすデータであれば、以下のような処理でデータを抜き出せます。

Python
1from pprint import pprint
2
3lst = """
4FEDERALIST No.1
5    pen
6    apple
7  MADISON
8    aa
9    bb
10FEDERALIST No.2
11    banana
12    orange
13    melon
14  JOHN
15    cc
16  PAUL
17    dd
18FEDERALIST No.3
19    bass
20    guiter
21  EMILY
22    ee
23    ff
24""".split('\n')
25
26ret = []
27fed,auth = {},{} # 現在読込中の章、著者
28
29state = ''
30for line in lst:
31
32    if len(line) <= 0:
33        continue
34
35    if line.startswith('FEDERALIST'):    # 章の区切り
36
37        # 取得済みを追加記録
38        if len(auth) > 0:
39            fed['authors'].append(auth)
40        if len(fed) > 0:
41            ret.append(fed)
42
43        fed = {'name':line, 'text':[],'authors':[]}
44        auth= {}
45        state = 'GET_FED_TEXT'
46        continue
47
48    elif line.upper() == line:    # 著者の区切り は 全部大文字
49
50        # 取得済みを追加記録
51        if len(auth) > 0:
52            fed['authors'].append(auth)
53
54        auth = {'name':line,'text':[]}
55        state = 'GET_AUTH_TEXT'
56        continue
57
58    if state == 'GET_FED_TEXT':    # 章のタイトル
59        fed['text'].append(line)
60    elif state == 'GET_AUTH_TEXT': # 章の内容
61        auth['text'].append(line)
62
63# 取得済みを追加記録
64if len(auth) > 0:
65    fed['authors'].append(auth)
66if len(fed) > 0:
67    ret.append(fed)
68
69pprint( ret)
70"""
71[{'authors': [{'name': '  MADISON', 'text': ['    aa', '    bb']}],
72  'name': 'FEDERALIST No.1',
73  'text': ['    pen', '    apple']},
74 {'authors': [{'name': '  JOHN', 'text': ['    cc']},
75              {'name': '  PAUL', 'text': ['    dd']}],
76  'name': 'FEDERALIST No.2',
77  'text': ['    banana', '    orange', '    melon']},
78 {'authors': [{'name': '  EMILY', 'text': ['    ee', '    ff']}],
79  'name': 'FEDERALIST No.3',
80  'text': ['    bass', '    guiter']}]
81"""

あとは適宜必要なデータを抜き出して出力できます。
なお、間の空白行は解析に面倒なのでデータ抽出時に捨てています。
よって、出力時に補う必要はあります。下記例では補っていません。

Python
1for fed in ret:
2    print(fed['name'])
3    for line in fed['text']:
4        print(line)
5    print(fed['authors'][0]['name'])
6"""
7FEDERALIST No.1
8    pen
9    apple
10  MADISON
11FEDERALIST No.2
12    banana
13    orange
14    melon
15  JOHN
16FEDERALIST No.3
17    bass
18    guiter
19  EMILY
20"""

投稿2018/12/07 01:27

編集2018/12/07 03:12

8524ba23

総合スコア38352

jack1222

2018/12/07 03:28

何度も何度も大変申し訳ございません。 lst = """ FEDERALIST No.1 pen apple MADISON aa bb FEDERALIST No.2 banana orange melon JOHN cc PAUL dd FEDERALIST No.3 bass guiter EMILY ee ff """.split('\n') 以上でファイルの内容を変数（lst）に代入して結果を得ていると思うのですが、それをこちらでは、 f = open('language.txt') data1 = f.read() f.close() とし、コードの途中の部分をlstをdata1に変更してみたのですがうまくいきません。これは、なぜでしょうか。本当に基本的なことをお伺いし大変申し訳ございません。 "for line in data1: if len(line) <= 0: continue