Как извлечь подстроку между двумя маркерами?

допустим, у меня есть строка 'gfgfdAAA1234ZZZuijjk' и я хочу извлечь только '1234' часть.

Я знаю только то, что будет несколько персонажей, непосредственно перед AAA, и после ZZZ часть, которая меня интересует 1234.

С sed можно сделать что-то подобное с строку:

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

и это даст мне 1234 как результат.

как сделать то же самое в Python?

12 ответов


С помощью регулярных выражений - документация дополнительная информация

import re

text = 'gfgfdAAA1234ZZZuijjk'

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

# found: 1234

или:

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'

тогда вы можете использовать regexps с модулем re, если хотите, но это не обязательно в вашем случае.


регулярные выражения

import re

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

вышеприведенное as-is потерпит неудачу с AttributeError если нет " AAA "и" ZZZ " в your_text

string методы

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

выше будет возвращена пустая строка, если " AAA "или" ZZZ " не существуют в your_text.

PS Python вызов?


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

можно использовать re модуль для этого:

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

С sed можно сделать что-то вроде этого со строкой:

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

и это даст мне 1234 в результате.

вы могли бы сделать то же самое с re.sub функция, использующая то же регулярное выражение.

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

в basic sed группа захвата представлена \(..\), но в python он был представлен (..).


вы можете найти первую подстроку с этой функцией в своем коде (по индексу символов). Кроме того, вы можете найти то, что находится после подстроки.

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]))

на всякий случай кто-то должен будет сделать то же самое, что и я. Мне пришлось извлечь все, что было в скобках, в линию. Например, если у меня есть строка типа " президент США (Барак Обама) встречался ... и я хочу получить только "Барак Обама" это решение:

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

т. е. вам нужно заблокировать скобки с slash \ знак. Хотя это проблема о более регулярных выражениях, которые Python.

кроме того, в некоторых случаях вы можете увидеть символы 'r' перед регулярным выражением определение. Если нет префикса r, вам нужно использовать escape-символы, как в C. здесь более обсуждение этого.


вы можете сделать, используя только одну строку кода

>>> import re

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

>>> ['1234']

результат получит список...


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

в python извлечение строки формы подстроки можно сделать с помощью findall метод в регулярном выражении (re модуль).

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

одна строка, возвращающая другую строку, если совпадения не было. Edit: улучшенная версия использует