Làm thế nào để trích xuất chuỗi con giữa hai điểm đánh dấu?

Giả sử tôi có một chuỗi 'gfgfdAAA1234ZZZuijjk'và tôi chỉ muốn trích xuất '1234'một phần.

Tôi chỉ biết những gì sẽ là một vài nhân vật trực tiếp trước AAA, và sau ZZZphần tôi quan tâm 1234.

Với sednó có thể làm một cái gì đó như thế này với một chuỗi:

echo "$STRING" | sed -e "s|.*AAA\(.*\)ZZZ.*|\1|"

Và điều này sẽ cho tôi 1234kết quả.

Làm thế nào để làm điều tương tự trong Python?

Sử dụng biểu thức chính quy - tài liệu để tham khảo thêm

import re

text = 'gfgfdAAA1234ZZZuijjk'

m = re.search('AAA(.+?)ZZZ', text)
if m:
    found = m.group(1)

# found: 1234

hoặc là:

import re

text = 'gfgfdAAA1234ZZZuijjk'

try:
    found = re.search('AAA(.+?)ZZZ', text).group(1)
except AttributeError:
    # AAA, ZZZ not found in the original string
    found = '' # apply your error handling

# found: 1234

>>> s = 'gfgfdAAA1234ZZZuijjk'
>>> start = s.find('AAA') + 3
>>> end = s.find('ZZZ', start)
>>> s[start:end]
'1234'

Sau đó, bạn có thể sử dụng regexps với mô đun re, nếu bạn muốn, nhưng điều đó không cần thiết trong trường hợp của bạn.

biểu hiện thông thường

import re

re.search(r"(?<=AAA).*?(?=ZZZ)", your_text).group(0)

Các nguyên tắc trên sẽ thất bại với AttributeErrornếu không có "AAA" và "ZZZ" trongyour_text

phương thức chuỗi

your_text.partition("AAA")[2].partition("ZZZ")[0]

Ở trên sẽ trả về một chuỗi trống nếu "AAA" hoặc "ZZZ" không tồn tại your_text.

Thử thách PS Python?

import re
print re.search('AAA(.*?)ZZZ', 'gfgfdAAA1234ZZZuijjk').group(1)

Ngạc nhiên vì không ai đề cập đến điều này, đây là phiên bản nhanh của tôi cho các tập lệnh một lần:

>>> x = 'gfgfdAAA1234ZZZuijjk'
>>> x.split('AAA')[1].split('ZZZ')[0]
'1234'

bạn có thể làm chỉ bằng một dòng mã

>>> import re

>>> re.findall(r'\d{1,5}','gfgfdAAA1234ZZZuijjk')

>>> ['1234']

kết quả sẽ nhận được danh sách ...

Bạn có thể sử dụng mô-đun re cho điều đó:

>>> import re
>>> re.compile(".*AAA(.*)ZZZ.*").match("gfgfdAAA1234ZZZuijjk").groups()
('1234,)

Với sed, có thể làm một cái gì đó như thế này bằng một chuỗi:

echo "$STRING" | sed -e "s|.*AAA\(.*\)ZZZ.*|\1|"

Và điều này sẽ cho tôi 1234 như là kết quả.

Bạn có thể làm tương tự với re.subchức năng sử dụng cùng một biểu thức chính quy.

>>> re.sub(r'.*AAA(.*)ZZZ.*', r'\1', 'gfgfdAAA1234ZZZuijjk')
'1234'

Trong sed cơ bản, nhóm bắt được đại diện bởi \(..\), nhưng trong python nó được đại diện bởi (..).

Trong python, trích xuất chuỗi biểu mẫu chuỗi con có thể được thực hiện bằng findallphương thức trong remô đun biểu thức chính quy ( ).

>>> import re
>>> s = 'gfgfdAAA1234ZZZuijjk'
>>> ss = re.findall('AAA(.+)ZZZ', s)
>>> print ss
['1234']

Bạn có thể tìm thấy chuỗi con đầu tiên có chức năng này trong mã của bạn (theo chỉ mục ký tự). Ngoài ra, bạn có thể tìm thấy những gì sau một chuỗi con.

def FindSubString(strText, strSubString, Offset=None):
    try:
        Start = strText.find(strSubString)
        if Start == -1:
            return -1 # Not Found
        else:
            if Offset == None:
                Result = strText[Start+len(strSubString):]
            elif Offset == 0:
                return Start
            else:
                AfterSubString = Start+len(strSubString)
                Result = strText[AfterSubString:AfterSubString + int(Offset)]
            return Result
    except:
        return -1

# Example:

Text = "Thanks for contributing an answer to Stack Overflow!"
subText = "to"

print("Start of first substring in a text:")
start = FindSubString(Text, subText, 0)
print(start); print("")

print("Exact substring in a text:")
print(Text[start:start+len(subText)]); print("")

print("What is after substring \"%s\"?" %(subText))
print(FindSubString(Text, subText))

# Your answer:

Text = "gfgfdAAA1234ZZZuijjk"
subText1 = "AAA"
subText2 = "ZZZ"

AfterText1 = FindSubString(Text, subText1, 0) + len(subText1)
BeforText2 = FindSubString(Text, subText2, 0) 

print("\nYour answer:\n%s" %(Text[AfterText1:BeforText2]))

>>> s = '/tmp/10508.constantstring'
>>> s.split('/tmp/')[1].split('constantstring')[0].strip('.')

text = 'I want to find a string between two substrings'
left = 'find a '
right = 'between two'

print(text[text.index(left)+len(left):text.index(right)])

Tặng

string

Chỉ trong trường hợp ai đó sẽ phải làm điều tương tự mà tôi đã làm. Tôi đã phải trích xuất mọi thứ trong ngoặc đơn trong một dòng. Ví dụ: nếu tôi có một dòng như 'Tổng thống Mỹ (Barack Obama) đã gặp ...' và tôi chỉ muốn nhận được 'Barack Obama' thì đây là giải pháp:

regex = '.*\((.*?)\).*'
matches = re.search(regex, line)
line = matches.group(1) + '\n'

Tức là bạn cần chặn dấu ngoặc đơn với slash \ dấu hiệu. Mặc dù đó là một vấn đề về các biểu thức chính quy hơn mà Python.

Ngoài ra, trong một số trường hợp, bạn có thể thấy các ký hiệu 'r' trước khi xác định regex. Nếu không có tiền tố r, bạn cần sử dụng các ký tự thoát như trong C. Dưới đây là thảo luận thêm về điều đó.

Sử dụng PyParsing

import pyparsing as pp

word = pp.Word(pp.alphanums)

s = 'gfgfdAAA1234ZZZuijjk'
rule = pp.nestedExpr('AAA', 'ZZZ')
for match in rule.searchString(s):
    print(match)

mang lại:

[['1234']]

Đây là một giải pháp không có regex cũng chiếm các tình huống trong đó chuỗi con thứ nhất chứa chuỗi con thứ hai. Hàm này sẽ chỉ tìm một chuỗi con nếu điểm đánh dấu thứ hai nằm sau điểm đánh dấu thứ nhất.

def find_substring(string, start, end):
    len_until_end_of_first_match = string.find(start) + len(start)
    after_start = string[len_until_end_of_first_match:]
    return string[string.find(start) + len(start):len_until_end_of_first_match + after_start.find(end)]

Một cách khác để làm điều đó là sử dụng danh sách (giả sử chuỗi con bạn đang tìm kiếm chỉ được làm bằng số):

string = 'gfgfdAAA1234ZZZuijjk'
numbersList = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']
output = []

for char in string:
    if char in numbersList: output.append(char)

print(f"output: {''.join(output)}")
### output: 1234

Một lớp lót trả về chuỗi khác nếu không có kết quả khớp. Chỉnh sửa: phiên bản cải tiến sử dụng nextchức năng, thay thế "not-found"bằng thứ khác nếu cần:

import re
res = next( (m.group(1) for m in [re.search("AAA(.*?)ZZZ", "gfgfdAAA1234ZZZuijjk" ),] if m), "not-found" )

Phương pháp khác của tôi để làm điều này, ít tối ưu hơn, sử dụng regex lần thứ 2, vẫn không tìm thấy cách nào ngắn hơn:

import re
res = ( ( re.search("AAA(.*?)ZZZ", "gfgfdAAA1234ZZZuijjk") or re.search("()","") ).group(1) )