Wie extrahiere ich den Teilstring zwischen zwei Markern?

Angenommen, ich habe eine Zeichenfolge 'gfgfdAAA1234ZZZuijjk'und möchte nur den '1234'Teil extrahieren .

Ich weiß nur, was die wenigen Charaktere direkt vor AAAund nach ZZZdem Teil sein werden, an dem ich interessiert bin 1234.

Damit ist sedes möglich, so etwas mit einem String zu machen:

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

Und das wird mir 1234als Ergebnis geben.

Wie mache ich dasselbe in Python?

Verwendung regulärer Ausdrücke - Dokumentation zur weiteren Bezugnahme

import re

text = 'gfgfdAAA1234ZZZuijjk'

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

# found: 1234

oder:

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'

Dann können Sie Regexps auch mit dem Re-Modul verwenden, wenn Sie möchten, aber das ist in Ihrem Fall nicht erforderlich.

regulären Ausdruck

import re

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

Das obige Ist wird mit einem fehlschlagen AttributeError Ist wenn keine "AAA" und "ZZZ" vorhanden sindyour_text

Zeichenfolgenmethoden

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

Das Obige gibt eine leere Zeichenfolge zurück, wenn entweder "AAA" oder "ZZZ" in nicht vorhanden ist your_text .

PS Python Challenge?

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

Überrascht, dass niemand dies erwähnt hat, was meine Schnellversion für einmalige Skripte ist:

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

Sie können nur eine Codezeile verwenden

>>> import re

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

>>> ['1234']

Ergebnis erhält Liste ...

Sie können dafür das re- Modul verwenden:

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

Mit sed ist es möglich, so etwas mit einer Schnur zu machen:

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

Und das wird mir 1234 geben.

Sie können dasselbe mit re.subFunktionen tun , die denselben regulären Ausdruck verwenden.

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

In Basic Sed wird die Erfassungsgruppe durch dargestellt \(..\), in Python jedoch durch (..).

In Python kann das Extrahieren von Teilzeichenfolgen-Formularzeichenfolgen mithilfe der findallMethode im reModul regulärer Ausdruck ( ) erfolgen.

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

Den ersten Teilstring mit dieser Funktion finden Sie in Ihrem Code (nach Zeichenindex). Sie können auch finden, was nach einem Teilstring ist.

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)])

Gibt

string

Nur für den Fall, dass jemand das Gleiche tun muss wie ich. Ich musste alles in Klammern in einer Zeile extrahieren. Wenn ich zum Beispiel eine Zeile wie "US-Präsident (Barack Obama) hat sich getroffen mit ..." habe und nur "Barack Obama" erhalten möchte, ist dies eine Lösung:

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

Dh Sie müssen Klammern mit blockieren slash \ Vorzeichen . Obwohl es ein Problem mit reguläreren Ausdrücken als Python ist.

In einigen Fällen werden möglicherweise auch 'r'-Symbole vor der Regex-Definition angezeigt. Wenn es kein r-Präfix gibt, müssen Sie Escape-Zeichen wie in C verwenden. Hier finden Sie weitere Informationen dazu.

PyParsing verwenden

import pyparsing as pp

word = pp.Word(pp.alphanums)

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

was ergibt:

[['1234']]

Hier ist eine Lösung ohne regulären Ausdruck, die auch Szenarien berücksichtigt, in denen der erste Teilstring den zweiten Teilstring enthält. Diese Funktion findet nur dann einen Teilstring, wenn der zweite Marker hinter dem ersten Marker liegt.

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)]

Eine andere Möglichkeit besteht darin, Listen zu verwenden (vorausgesetzt, der gesuchte Teilstring besteht nur aus Zahlen):

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

Ein Liner, der eine andere Zeichenfolge zurückgibt, wenn keine Übereinstimmung vorliegt. Bearbeiten: Verbesserte Version verwendet nextFunktion, "not-found"bei Bedarf durch etwas anderes ersetzen :

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

Meine andere Methode, die weniger optimal ist, verwendet das zweite Mal Regex und hat immer noch keinen kürzeren Weg gefunden:

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