Tengo un carpeta con 2000 archivos .txt. Cada archivo txt contiene la siguiente información de la siguiente manera:
<CATEGORIA>Noticias Articulo Categoria</CATEGORIA>
<ENCABEZADO>Noticias Articulo Encabezado</ENCABEZADO>
<ARTICULO>Noticias Articulo Text</ARTICULO>
<CATEGORIA>Noticias Articulo Categoria</CATEGORIA>
Por ejemplo:
<CATEGORIA>CULTURA</CATEGORIA>
<ENCABEZADO>LAS PINTURAS DE DALI</ENCABEZADO>
<ARTICULO>ENTRE LAS PINTURAS DE DALI PODEMOS ENCONTRAR ... ETC. </ARTICULO>
Lo que necesito hacer es coger la información de cada una de esos 2000 archivos .txt (las 2000 noticias) y convertirlas en un único data frame con las columnas: noticias_categoria, noticias_titular, noticias_articulo. Pero no se como combinarlos todos en un unico data frame de la manera mencionada. Soy nuevo en Python así que disculpad si es un poco tonta la pregunta.
He conseguido sacar una lista con los nombres de cada archivo .txt usando:
ruta_carpetas = '../directorio/..'
nombres_carpetas = os.listdir(ruta_carpetas)
Pero no he podido continuar.