挑战概述
假设我们有一个包含机器故障及其解决方案的文本文件，其格式大致如下：
Balancim de corte hidráulico (a) ponte Defect 01 – Máquina não liga Botão de emergência acionado Problema no pedal Defeito 02 – O martelo não vai para os lados Botão de emergência acionado ...
我们的目标是将这些信息转换成一个Python字典，其结构应为：
machine_dict = {
'Balancim de corte hidráulico (a) ponte': {
'Defect 01 – Máquina não liga': ['Botão de emergência acionado', 'Problema no pedal'],
'Defeito 02 – O martelo não vai para os lados': ['Botão de emergência acionado']
}
# ... 其他机器
}原始文件格式的挑战在于，一个机器标题后面可能跟着多个缺陷及其解决方案，且缺陷和解决方案的行数不固定。这使得程序难以准确判断哪些解决方案属于哪个缺陷，以及何时一个新的机器标题开始。
核心策略：优化输入文件格式
解决上述挑战的关键在于优化输入文件的结构。与其让一个机器标题统领所有缺陷，不如将每个“机器-缺陷-解决方案”组合视为一个独立的逻辑块。每个块都以机器标题开头，后跟一个缺陷描述，然后是该缺陷的所有解决方案。块与块之间使用空行进行分隔。
优化后的文件格式示例：
Wjs Uploading Video
下载
将一个或多个视频上传至YouTube。当用户想“上传到YouTube”“发YouTube”“批量上传”“upload to YouTube”“post videos to YouTube”或发布到YouTube时使用此技能。
立即学习“Python免费学习笔记（深入）”；
Balancim de corte hidraulico (a) ponte Defeito 01 - Maquina nao liga Botao de emergencia acionado Problema no pedal Balancim de corte hidraulico (a) ponte Defeito 02 - O martelo nao vai para os lados Botao de emergencia acionado Balancim de Corte hidraulico Braco (Tecnomaq) Defeito 01 - O martelo sobe e desce lento Filtro de óleo entupido Balancim de Corte hidraulico Braco (Tecnomaq) Defeito 02 - O martelo sobe todo e aumenta o ruido do balancim Operador regulou muito alto o martelo
这种格式极大地简化了数据的解析过程，因为每个 \n\n 分隔的块都包含了一个完整的“机器-缺陷-解决方案”单元。
Python实现步骤
以下是实现上述解析过程的Python代码及详细解释。
1. 准备输入文件
首先，确保你的文本文件（例如 manual.txt）已经按照优化后的格式组织。
2. 编写Python解析代码
import os
import json
# 假设文件名为 manual.txt 且位于脚本同级目录
file_path = 'manual.txt'
# 模拟创建文件，如果文件不存在的话
# 在实际应用中，你需要确保 manual.txt 文件已存在并包含正确的数据
if not os.path.exists(file_path):
print(f"创建模拟文件: {file_path}")
sample_content = """Balancim de corte hidraulico (a) ponte
Defeito 01 - Maquina nao liga
Botao de emergencia acionado
Problema no pedal
Balancim de corte hidraulico (a) ponte
Defeito 02 - O martelo nao vai para os lados
Botao de emergencia acionado
Balancim de Corte hidraulico Braco (Tecnomaq)
Defeito 01 - O martelo sobe e desce lento
Filtro de óleo entupido
Balancim de Corte hidraulico Braco (Tecnomaq)
Defeito 02 - O martelo sobe todo e aumenta o ruido do balancim
Operador regulou muito alto o martelo
"""
with open(file_path, 'w', encoding='utf-8') as f:
f.write(sample_content)
print("模拟文件创建成功。")
# 打开并读取文件内容
try:
with open(file_path, 'r', encoding='utf-8') as manual_file:
manual_tpm_content = manual_file.read()
# 初始化存储解析结果的字典
maqs_problem_solution = {}
# 按双空行 '\n\n' 分割内容，得到各个逻辑数据块
# filter(None, ...) 用于去除可能因文件开头/结尾空行或连续多空行导致产生的空字符串块
data_blocks = [block.strip() for block in manual_tpm_content.split('\n\n') if block.strip()]
# 遍历每个数据块进行解析
for block in data_blocks:
# 按单空行 '\n' 分割块，得到行列表
lines = [line.strip() for line in block.split('\n') if line.strip()]
if len(lines) >= 2:
machine_name = lines[0] # 第一行是机器名称
defect_description = lines[1] # 第二行是缺陷描述
solutions = lines[2:] # 剩余行是解决方案列表
# 如果机器名称尚未在字典中，则创建其对应的子字典
if machine_name not in maqs_problem_solution:
maqs_problem_solution[machine_name] = {}
# 将缺陷和解决方案添加到对应的机器条目下
maqs_problem_solution[machine_name][defect_description] = solutions
else:
print(f"警告：跳过格式不正确的块: {block}")
# 打印最终的字典结果
print(json.dumps(maqs_problem_solution, indent=4, ensure_ascii=False))
except FileNotFoundError:
print(f"错误：文件 '{file_path}' 未找到。请确保文件存在。")
except Exception as e:
print(f"发生错误：{e}")
代码解析
-
文件读取:
- with open(file_path, 'r', encoding='utf-8') as manual_file:：以只读模式 ('r') 打开文件，并指定 utf-8 编码以正确处理特殊字符。with 语句确保文件在使用完毕后自动关闭。
- manual_tpm_content = manual_file.read()：一次性读取
