Bagaimana cara mengekstraksi substring antara dua marker?

Katakanlah saya memiliki string 'gfgfdAAA1234ZZZuijjk'dan saya ingin mengekstrak '1234'bagiannya saja.

Saya hanya tahu apa yang akan menjadi beberapa karakter secara langsung sebelumnya AAA, dan setelah ZZZbagian saya tertarik 1234.

Dengan seddimungkinkan untuk melakukan sesuatu seperti ini dengan string:

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

Dan ini akan memberi saya 1234hasilnya.

Bagaimana melakukan hal yang sama dengan Python?

Menggunakan ekspresi reguler - dokumentasi untuk referensi lebih lanjut

import re

text = 'gfgfdAAA1234ZZZuijjk'

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

# found: 1234

atau:

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'

Kemudian Anda dapat menggunakan regexps dengan modul re juga, jika Anda mau, tetapi itu tidak perlu dalam kasus Anda.

ekspresi reguler

import re

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

As-is di atas akan gagal dengan AttributeErrorjika tidak ada "AAA" dan "ZZZ" diyour_text

metode string

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

Di atas akan mengembalikan string kosong jika "AAA" atau "ZZZ" tidak ada di your_text.

Tantangan PS Python?

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

Terkejut bahwa tidak ada yang menyebutkan ini yang merupakan versi cepat saya untuk skrip satu kali:

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

Anda dapat melakukannya hanya dengan menggunakan satu baris kode

>>> import re

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

>>> ['1234']

hasilnya akan menerima daftar ...

Anda dapat menggunakan modul re untuk itu:

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

Dengan sed, dimungkinkan untuk melakukan sesuatu seperti ini dengan sebuah string:

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

Dan ini akan memberi saya 1234 sebagai hasilnya.

Anda bisa melakukan hal yang sama dengan re.subfungsi menggunakan regex yang sama.

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

Dalam sed dasar, grup menangkap diwakili oleh \(..\), tetapi dalam python diwakili oleh (..).

Dalam python, mengekstraksi string bentuk substring dapat dilakukan dengan menggunakan findallmetode dalam regular expression ( re) module.

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

Anda dapat menemukan substring pertama dengan fungsi ini dalam kode Anda (berdasarkan indeks karakter). Juga, Anda dapat menemukan apa yang setelah substring.

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)])

Memberi

string

Kalau-kalau ada yang harus melakukan hal yang sama yang saya lakukan. Saya harus mengekstrak semua yang ada di dalam tanda kurung. Misalnya, jika saya memiliki garis seperti 'Presiden AS (Barack Obama) bertemu dengan ...' dan saya hanya ingin mendapatkan 'Barack Obama' ini adalah solusi:

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

Yaitu Anda perlu memblokir tanda kurung dengan slash \tanda. Padahal itu adalah masalah tentang ekspresi yang lebih teratur dari Python.

Juga, dalam beberapa kasus, Anda mungkin melihat simbol 'r' sebelum definisi regex. Jika tidak ada awalan r, Anda perlu menggunakan karakter escape seperti di C. Ini adalah diskusi lebih lanjut tentang itu.

Menggunakan 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)

yang menghasilkan:

[['1234']]

Berikut adalah solusi tanpa regex yang juga memperhitungkan skenario di mana substring pertama berisi substring kedua. Fungsi ini hanya akan menemukan substring jika penanda kedua adalah setelah penanda pertama.

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)]

Cara lain untuk melakukannya adalah menggunakan daftar (seandainya substring yang Anda cari terbuat dari angka saja):

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

Satu liner yang mengembalikan string lain jika tidak ada kecocokan. Sunting: versi yang ditingkatkan menggunakan nextfungsi, ganti "not-found"dengan yang lain jika diperlukan:

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

Metode saya yang lain untuk melakukan ini, kurang optimal, menggunakan regex 2nd time, masih belum menemukan cara yang lebih pendek:

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