如何爬取红楼梦.txt文档中的每一章节的标题和内容

可以使用Python中的正则表达式来爬取红楼梦.txt文档中的每一章节的标题和内容。首先，读取文档中的所有内容，然后使用正则表达式匹配每一章节的标题和内容，最后将它们存储到一个字典中。以下是示例代码：

import re

with open('红楼梦.txt', 'r', encoding='utf-8') as f:
    content = f.read()

pattern = re.compile(r'第.+回\s+(.+)\n([\s\S]+?)(?=第.+回|$)')

chapters = {}
for match in pattern.finditer(content):
    title = match.group(1)
    text = match.group(2).strip()
    chapters[title] = text

print(chapters)

这段代码使用正则表达式`第.+回\s+(.+)\n([\s\S]+?)(?=第.+回|$)`来匹配每一章节的标题和内容。其中，`第.+回`匹配章节的标题，`\s+`匹配标题和正文之间的空格，`(.+)`匹配标题的内容，`\n`匹配换行符，`([\s\S]+?)`匹配正文的内容，`(?=第.+回|$)`表示正文的内容必须以下一章节的标题或文档结尾为结尾。

最后，将每一章节的标题和内容存储到一个字典中，其中标题为键，正文为值。

相关问题

如何爬取红楼梦.txt文档中的每一章节的内容

可以使用Python的文件读取和字符串处理功能来实现。首先，使用Python的open函数打开红楼梦.txt文件，然后使用readlines函数读取每一行的内容。接着，使用字符串处理函数strip去除每一行的空格和换行符，判断每一行是否以“第”和“回”开头，如果是，则说明这是一章的开始，记录下章节名，然后将接下来的行合并为该章节的内容。最后，将每一章节的内容保存到一个列表中即可。

以下是示例代码：

chapters = []
with open('红楼梦.txt', 'r', encoding='utf-8') as f:
    lines = f.readlines()
    chapter_title = ''
    chapter_content = ''
    for line in lines:
        line = line.strip()
        if line.startswith('第') and line.endswith('回'):
            if chapter_content:
                chapters.append((chapter_title, chapter_content))
            chapter_title = line
            chapter_content = ''
        else:
            chapter_content += line
    if chapter_content:
        chapters.append((chapter_title, chapter_content))

这样，chapters列表中就包含了每一章节的标题和内容。

用re库中的内容爬取红楼梦.txt文档中的每一章节的内容

可以使用以下代码来实现：

import re

with open('红楼梦.txt', 'r', encoding='utf-8') as f:
    text = f.read()

# 匹配每一章节的正则表达式
pattern = re.compile(r'第.+?回.+?\n')
chapters = pattern.findall(text)

for chapter in chapters:
    print(chapter)

这段代码使用正则表达式匹配每一章节的标题，并将其打印出来。你可以根据需要修改代码，比如将章节标题和内容存储到数据库或文件中。