用python将txt文件拆分成多个小文件_使用py将txt分成多个-优快云博客

本文链接：https://blog.youkuaiyun.com/gofreshman/article/details/105582370

本文介绍了一种使用Python将大型txt文件拆分成多个小文件的方法，每个小文件根据URL的域名进行区分。通过读取文件，以逗号为分隔符拆分URL，然后利用域名创建小文件名。最初的方法虽然可行，但需要大量手工操作。改进后的方案利用了Python的split函数和循环，通过比较URL的主域名来确定文件范围，并利用正则表达式提高处理效率。最终，每个URL被写入相应的文件，并添加换行符以增强可读性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

txt文件本身为由逗号区分开的连续字符串，字符串均为链接，因此一般特征也比较明显，文件如下：
在这里插入图片描述
首先想到方法是用with open read函数获取文件信息，通过’,‘来拆分各个url，按照url域名来得到小文件名，从而完成文件拆分，但此时得到的小文件可读性很差，经过查询得知，可将此时各url较共同的后缀替换为原字符+’<br>’，并另存为htm文件，浏览器打开另存文件，即可得到每个url一行的呈现。基本预期达到，但是方法原始，手工操作很多。
后来经过查询试验，调整为一下思路：
利用with open read函数获取文件信息，此时指定编码为utf-8，利用split函数分解连续字符串，以每个逗号为标志拆分后传到到列表中，
利用循环按照每个链接字符串中‘//..**/‘主要域名部分来区分不同小文件范围，并将域名作为小文件名称，此时循环界定文件内容范围方式采用某域名
与其后域名是否一致来判断是否同属一个文件，每个循环结束令写入文件的列表置空，重新传入文件内容。
1.源文件编码格式不为utf-8，重新修改另存尝试无果，遂在with open和write时引用encoding参数指定传来编码为utf-8
2.正则表达式匹配字符’//‘与’/‘时可以直接匹配，上述两种字符并不是需要转义的字符，其次findall基于贪婪匹配，返回字符串包括太多不合适字符，用’.+