Ho circa 150 file di testo pieni di informazioni sui caratteri. Ogni file contiene due parole univoche() alfa e bravo e voglio estrarre il testo tra queste parole uniche e scriverlo in un file diverso.Come estrarre le informazioni tra due parole univoche in un file di testo di grandi dimensioni
Manualmente posso CTRL + F per le due parole e copiare il testo tra, voglio solo sapere come farlo utilizzando un programma (preferibilmente Python) per molti file.
È possibile utilizzare regular expressions per quello.
>>> st = "alpha here is my text bravo"
>>> import re
>>> re.findall(r'alpha(.*?)bravo',st)
[' here is my text ']
mio file test.txt
alpha here is my line
yipee
bravo
Ora utilizzando open di leggere il file e di applicare regular expressions.
>>> f = open('test.txt','r')
>>> data = f.read()
>>> x = re.findall(r'alpha(.*?)bravo',data,re.DOTALL)
>>> x
[' here is my line\nyipee\n']
>>> "".join(x).replace('\n',' ')
' here is my line yipee '
>>>
Invece di utilizzare l'espressione regolare, utilizzare il metodo Python string.find.
>>>> unique_word_a = 'alpha'
>>>> unique_word_b = 'bravo'
>>>> s = 'blah blah alpha i am a good boy bravo blah blah'
>>>> your_string = s[s.find(unique_word_a)+len(unique_word_a):s.find(unique_word_b)].strip()
i am a good boy
quali modifiche devo fare se ho più occorrenze di una parola univoca e una parola univoca b. Come faccio a creare un indice per cercare tra la quinta occorrenza della parola unica a e la parola unica b? – Amistad
a = 'alpha'
b = 'bravo'
text = 'from alpha all the way to bravo and beyond.'
text.split(a)[-1].split(b)[0]
# ' all the way to '
Puoi aiutare dividere aggiungendo un conteggio di 1, quindi smetterà di cercare altre istanze su cui suddividere: 'text.split (a, 1)' – PaulMcG
str.find e suo fratello hanno rfindstart e end args.
alpha = 'qawsed'
bravo = 'azsxdc'
startpos = text.find(alpha) + len(alpha)
endpos = text.find(bravo, startpos)
do_something_with(text[startpos:endpos]
Questo è il modo più veloce se il testo contenuto è corto e vicino alla parte anteriore.
Se il testo contenuto è relativamente grande, utilizzare:
startpos = text.find(alpha) + len(alpha)
endpos = text.rfind(bravo)
Se il testo contenuto è breve e verso la fine, uso:
endpos = text.rfind(bravo)
startpos = text.rfind(alpha, 0, endpos - len(alpha)) + len(alpha)
Il primo metodo è comunque meglio il metodo ingenuo di iniziare la seconda ricerca dall'inizio del testo; usalo se il tuo testo contenuto non ha uno schema dominante.
+1: questo è dove le espressioni regolari eccellono. – jathanism
-1 (1) x non è definito (2) modulo di inputoutput ?? –
@JohnMachin: risolto il problema 'x'. – RanRag