テキストファイルに含まれる文字列をもう一つのファイル内で検索したい

Question

#前提・実現したいこと
以下の二つのテキストファイルを入力として、DataA.txt内の文字列を一行ずつ、DataB.txt内で検索して、<doc title="　">の文に一致した場合は、その行から<\doc>までをOutput.txtに出力するプログラムを作りたいのですが、初心者なので手も足も出ないです。皆様の知識をお借りしようと投稿しました。

---

#データ
-DataA.txt-　
田中太郎
山田花子

---

-DataB.txt-
<doc title="田中太郎">
田中太郎
<\doc>

<doc title="アップル"> アップル <\doc> <doc title="山田花子"> 山田花子 <\doc> <doc title="パイソン"> パイソン <\doc>

---

-理想のOutput.txt-
<doc title="田中太郎">
田中太郎
<\doc>

<doc title="山田花子"> 山田花子 <\doc>

---

#途中経過
-program.py-
import re
with open('DataA.txt', encoding="utf-8_sig") as oldfile, open('DataB.txt', encoding="utf-8_sig") as oldfile2, open('Output.txt', 'w', encoding="utf-8_sig") as newfile:

    for title in oldfile:
        for line in oldfile2:
            if '<doc' in line and title in line:

　　　　　　　　　　　　newfile.write(line+'\n')

---

プログラムは自分なりに途中まで書いたのですが、<doc title~の文だけでも抜き出そうとしたのですが、なぜか抜き出せません。

Answer 1

with open("DataA.txt", encoding="utf-8") as fa:
    a_lines = fa.readlines()

with open("DataB.txt", encoding="utf-8") as fb:
    b_lines = fb.readlines()

out_list = []
find = False
for name in a_lines:
    for b_line in b_lines:
        if name.strip() in b_line:
            find = True

        if find:
            out_list.append(b_line)

        if "<\doc>" in b_line:
            find = False

with open("Output.txt", mode="w", encoding="utf-8") as f:
    f.write("".join(out_list))

Comments

[mojimojikun]

ご回答ありがとうございます！
大きいデータで動かしたのですが
Traceback (most recent call last):
File "＊＊＊.py", line 21, in <module>
f.write("".join(out_list))
MemoryError
となってしまいました。動かす際、DataAは300行の5KB、DataBは100万行の47MBです。PCの問題な気もしますが何か良い手段があればご教授願いたいです。。。

[umau]

わざわざ自分でjoinする必要なかったですね。。

```
with open("Output.txt", mode="w", encoding="utf-8") as f:
f.writelines(out_list)
```
か、

```
with open("Output.txt", mode="w", encoding="utf-8") as f:
for line in out_list:
f.write(line)
```
だとどうでしょうか?

[mojimojikun]

実行はできましたが出力が13GBと入力データよりも大きいデータとなっていました。。。

[umau]

ここに例示されてるDataB.txtの内容のパターンに合わないデータが実際は含まれているなら、このプログラムそのままではうまくいかないと思います。

データサイズが増えてしまったという事は、おそらく閉じタグがの判定が当らず、DataAの人名が当たったところから最終行までを全部書き出してしまっていて、それをDataAの人の数だけ繰り返してしまっているんだと思われます。

初めから気になってますが、<\doc>は</doc>の間違いではないですか?

[mojimojikun]

</doc>でした、、、本当にすいません。。。
うまく実行できました、丁寧で迅速に教えていただき、誠に感謝します。本当にありがとうございました！