当前位置：首页 > news >正文

探索尝试-ai编程-01-使用ai编程处理单文件的特定文本内容筛选

news 2025/6/23 10:05:58

快速回顾：一次使用ai编程处理单文件的特定文本内容筛选的记录

需求描述

在neatireader上阅读书籍，然后通过标注做了摘要笔记，但是软件上导出笔记到印象笔记软件失败，使用纯文本方式复制，有其他不相关的内容在，希望通过编程的方式对文本内容进行过滤；

关键特征强调

纯文本内容(关注文本特征)示例如下

<div>第1条</div><div>颜色：红色</div><div>高亮文本：2014年9月第1版</div><div>笔记内容：</div><div>更新时间：2025-06-03 22:26:09</div><div>==================================================================</div><div>第2条</div><div>颜色：红色</div><div>高亮文本：“好书”的标准在我看来至少包括两点：内容科学、逻辑严谨却又通俗易懂、语言风趣；酷似专业书籍却也是大众读物</div><div>笔记内容：</div><div>更新时间：2025-06-03 22:26:21</div><div>==================================================================</div><div>第3条</div><div>颜色：红色</div><div>高亮文本：《心理医生为什么没有告诉我》就是这一类的好书。书中介绍的整合疗法可以根据个体的人格特质，生理、心理状况，以及表现出的症状，从放松（不同于一般意义的放松）、身体锻炼、日常饮食调节、正念冥思等方面，配合暴露疗法、脱敏疗法、内观疗法等制订出个性化的治疗模式，再结合药物治疗，从而取得很好的疗效</div><div>笔记内容：</div><div>更新时间：2025-06-03 22:26:32</div><div>==================================================================</div>

向ai的提问

在豆包ai上进行了提问内容

对话1-1：希望通过python代码，实现对本地单个html文件中指定内容的批量提取，提取文本间有空格区分，需要提取的内容标志是高亮文本开头;
对话1-2：尝试对如下内容中的高亮文本内容进行提取，贴上一小段包含特征的文本内容;
对话1-3：将html文件的路径以对话框的方式提示用户输入；

这是最后生成的代码文件，直接在trae cn软件上执行，能够正常运行，对应弹框选中待处理的html文本，然后选择输出txt的文件名，能够执行成功；

对生成代码文件的尝试执行和微调

from bs4 import BeautifulSoup
import tkinter as tk
from tkinter import filedialog, messagebox
import sysdef extract_highlighted_content(html_content):soup = BeautifulSoup(html_content, 'html.parser')highlighted_texts = []current_entry = Nonefor div in soup.find_all('div'):text = div.get_text(strip=True)if text.startswith('第') and text.endswith('条'):current_entry = {'序号': text, '高亮文本': ''}highlighted_texts.append(current_entry)elif current_entry and text.startswith('高亮文本：'):current_entry['高亮文本'] = text[5:].strip()  # 去掉"高亮文本："前缀return highlighted_textsdef main():# 创建隐藏的Tkinter根窗口root = tk.Tk()root.withdraw()  # 隐藏主窗口# 显示文件选择对话框messagebox.showinfo("提示", "请选择要处理的HTML文件")file_path = filedialog.askopenfilename(title="选择HTML文件",filetypes=[("HTML文件", "*.html;*.htm"), ("所有文件", "*.*")])if not file_path:messagebox.showinfo("取消", "操作已取消")sys.exit(0)try:with open(file_path, 'r', encoding='utf-8') as file:html_content = file.read()except FileNotFoundError:messagebox.showerror("错误", f"找不到文件: {file_path}")sys.exit(1)except Exception as e:messagebox.showerror("错误", f"读取文件时出错: {str(e)}")sys.exit(1)results = extract_highlighted_content(html_content)if not results:messagebox.showinfo("结果", "未找到匹配的高亮文本内容")sys.exit(0)output = []for idx, entry in enumerate(results, 1):output.append(f"第{idx}条高亮文本：")output.append(entry['高亮文本'])output.append("-" * 50)output_text = '\n'.join(output)# 显示保存对话框messagebox.showinfo("提示", "请选择保存结果的文件位置")save_path = filedialog.asksaveasfilename(title="保存结果",defaultextension=".txt",filetypes=[("文本文件", "*.txt"), ("所有文件", "*.*")])if save_path:try:with open(save_path, 'w', encoding='utf-8') as file:file.write(output_text)messagebox.showinfo("成功", f"结果已保存至: {save_path}")except Exception as e:messagebox.showerror("错误", f"保存文件时出错: {str(e)}")sys.exit(1)else:# 如果用户取消保存，直接显示结果messagebox.showinfo("提取结果", output_text)if __name__ == "__main__":main()

在这里插入图片描述

处理之后的效果确认

处理之后的文本内容示例如下

第1条高亮文本：
2014年9月第1版
--------------------------------------------------
第2条高亮文本：
“好书”的标准在我看来至少包括两点：内容科学、逻辑严谨却又通俗易懂、语言风趣；酷似专业书籍却也是大众读物
--------------------------------------------------
第3条高亮文本：
《心理医生为什么没有告诉我》就是这一类的好书。书中介绍的整合疗法可以根据个体的人格特质，生理、心理状况，以及表现出的症状，从放松（不同于一般意义的放松）、身体锻炼、日常饮食调节、正念冥思等方面，配合暴露疗法、脱敏疗法、内观疗法等制订出个性化的治疗模式，再结合药物治疗，从而取得很好的疗效
--------------------------------------------------
第4条高亮文本：
上世纪90年代，认知行为疗法逐渐发展成为治疗焦虑症的首要疗法。