今天在研究怎么把wordpress导出来的xml文件里面的文章分割出来，让每篇文章独立成为一个文件，然后发表于hexo。为什么选择用python,其热度就不说了，而且最近也在学习简单的文件处理。当然，这只是万里长征第一步，因为只是把和之间的内容取了出来，后面还要做进一步处理。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
#!/usr/bin/env python
#__*__ coding: utf-8 __*__
import re
import linecache
 
def fileParse():
    inputfile = input('Input SourcFile:') ##输入源文件，如A.txt
    fp = open(inputfile, 'r',encoding=':utf-8')
 
    number =[]
    lineNumber = 0
    keyword = input('Slice Keyword:') ##输入你要切分的关键字
    outfilename = input('Outfilename:')##输出文件名，如out.txt则写out即可，后续输出的文件是out0.txt,out1.txt...
 
    for eachLine in fp:        
        m = re.search(keyword, eachLine) ##查询关键字
        if m is not None:
           number.append(lineNumber) #将关键字的行号记录在number中
        lineNumber = lineNumber + 1
    size = int(len(number))
    for i in range(0,size-1):
        start = number[i]
        end = number[i+1]
        destLines = linecache.getlines(inputfile)[start+1:end-1] #将行号为start+1到end-1的文件内容截取出来
        fp_w = open(outfilename + str(i)+'.txt','w',encoding='utf-8') #将截取出的内容保存在输出文件中
        for key in destLines:
            fp_w.write(key.replace(u'\xa0', u' ')) #解决UnicodeEncodeError: 'gbk' codec can't encode character '\xa0'
        fp_w.close()
 
if __name__ == "__main__":
    fileParse()