Як витягнути підрядку між двома маркерами?

Скажімо, у мене є рядок, 'gfgfdAAA1234ZZZuijjk'і я хочу витягти лише '1234'частину.

Я знаю лише, якими будуть декілька персонажів безпосередньо до цього AAA, і після ZZZтієї частини, яка мене цікавить 1234.

З sedним можна зробити щось подібне за допомогою рядка:

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

І це дасть мені 1234результат.

Як зробити те ж саме в Python?

Використання регулярних виразів - документація для подальшого ознайомлення

import re

text = 'gfgfdAAA1234ZZZuijjk'

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

# found: 1234

або:

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'

Тоді ви можете також використовувати regexps з модулем re, якщо ви хочете, але це не обов'язково у вашому випадку.

регулярне вираження

import re

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

Вищевказаний параметр "є" не вдасться, AttributeErrorякщо в ньому немає "AAA" та "ZZZ"your_text

струнні методи

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

Вищезазначене поверне порожній рядок, якщо "AAA" або "ZZZ" не існує в your_text.

PS Python Challenge?

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

Здивовано, що ніхто цього не згадував, що є моєю швидкою версією для разових сценаріїв:

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

ви можете зробити лише один рядок коду

>>> import re

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

>>> ['1234']

результат отримає список ...

Для цього можна використовувати модуль re :

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

За допомогою sed можна зробити щось подібне за допомогою рядка:

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

І це дасть мені 1234 в результаті.

Ви можете зробити те ж саме з re.subфункцією, використовуючи той самий регулярний вираз.

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

У базовій sed групі захоплення представлені \(..\), але в пітоні вона була представлена (..).

У python витяг рядок форми підрядків може бути виконаний за допомогою findallметоду в reмодулі регулярного вираження ( ).

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

Ви можете знайти першу підрядку з цією функцією у своєму коді (за індексом символів). Також ви можете знайти те, що є після підрядки.

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)])

Дає

string

На всякий випадок, коли комусь доведеться зробити те саме, що я зробив. Мені довелося витягувати все в дужках у рядку. Наприклад, якщо у мене є такий рядок, як "Президент США (Барак Обама) зустрічався з ...", і я хочу отримати лише "Барак Обама", це рішення:

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

Тобто вам потрібно блокувати дужки зі slash \знаком. Хоча це проблема щодо більш регулярних виразів, ніж Python.

Крім того, в деяких випадках ви можете бачити символи 'r' перед визначенням регулярного вираження. Якщо префіксу r немає, вам потрібно використовувати символи втечі, як, наприклад, у C. Ось докладніше про це.

Використання 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)

який дає:

[['1234']]

Ось рішення без регулярного вираження, яке також враховує сценарії, де перша підрядка містить другу підрядку. Ця функція знайде підрядку лише тоді, коли другий маркер буде після першого маркера.

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)]

Інший спосіб зробити це за допомогою списків (припустимо, що шукана підрядка складається лише з чисел):

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

Один вкладиш, який повертає інший рядок, якщо не було відповідності. Редагувати: покращена версія використовує nextфункцію, за потреби замініть "not-found"чимось іншим:

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

Мій інший спосіб зробити це, менш оптимальний, використовує регулярний вираз 2-го разу, все ж не знайшов коротший спосіб:

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