Python 医学文本结构化，文本分段，文本正则化处理，医学文本拆分成段落

文章分段，文本结构化

import re

data = []
for line in open('方剂学--完整版.txt',encoding='utf8'):
    data.append(line.strip())

print(data[:20])

数据结构：

处理过程，用正则表达式：

f = open('方剂学--完整版.txt',encoding='utf8')
text = f.read()
f.close()
#构造正则串
pattern = """\n(.*?)\n【组成】(.*?)\n【功用】(.*?)\n【主治】(.*?)\n"""
text_list = re.findall(pattern=pattern,string=text)
print(text_list[:5])

 用pandas转化为Dataframe结构，可视化程度高：

import pandas as pd

df_drug = pd.DataFrame(text_list,columns=['name','组成','功用','主治'])
df_drug.head(3)

 保存结果：

df_drug.to_excel('方剂学_完整版.xlsx',index=None)