Python - 如何删除某些符号后所有行中的所有字符？

Question

我想删除@符号后面所有行中的所有字符。 我写了一些代码：

#!/usr/bin/env python
import sys, re, urllib2
url = 'http://varenhor.st/wp-content/uploads/emails.txt'
document = urllib2.urlopen(url)
html = document.read()

html2 = html[0]
for x in html.rsplit('@'):
    print x

但它只删除@符号并将其余字符复制到下一行。 那么如何修改这段代码，删除@之后所有行中的所有字符？ 我应该使用正则表达式吗？

Answer 1

你分裂的次数太多了; 请改用str.rpartition()然后忽略@之后的部分。 每行执行此操作：

for line in html.splitlines():
    cleaned = line.rpartition('@')[0]
    print cleaned

或者，对于较旧的Python版本，将str.rsplit()限制为仅1次拆分，并再次仅获取第一个结果：

for line in html.splitlines():
    cleaned = line.rsplit('@', 1)[0]
    print cleaned

无论换行样式如何，我都使用str.splitlines()来干净地分割文本。 您还可以直接遍历urllib2响应文件对象：

url = 'http://varenhor.st/wp-content/uploads/emails.txt'
document = urllib2.urlopen(url)
for line in document:
    cleaned = line.rpartition('@')[0]
    print cleaned

演示：

>>> import urllib2
>>> url = 'http://varenhor.st/wp-content/uploads/emails.txt'
>>> document = urllib2.urlopen(url)
>>> for line in document:
...     cleaned = line.rpartition('@')[0]
...     print cleaned
... 
ADAKorb...
AllisonSarahMoo...
Artemislinked...
BTBottg...
BennettLee...
Billa...
# etc.

Answer 2

您可以使用Python的切片表示法：

import re
import sys
import urllib2

url = 'http://varenhor.st/wp-content/uploads/emails.txt'
document = urllib2.urlopen(url)
html = document.read()

for line in html.splitlines():
    at_index = line.index('@')
    print line[:at_index]

由于字符串是序列，您可以对它们进行切片。 例如，

hello_world = 'Hello World'
hello = hello_world[:5]
world = hello_world[6:]

请记住，切片会返回一个新序列，而不会修改原始序列。

Answer 3

由于您已import ed re ，因此可以使用它：

document = urllib2.urlopen(url)
reg_ptn = re.compile(r'@.*')
for line in document:
    print reg_ptn.sub('', line)