删除列表中字符串的前四个和后四个字符，或删除特定的字符模式

Question

我是Python的新手，并且已经使用了几个星期。 我有一个字符串列表，并希望删除每个字符串的前四个和后四个字符。 或者，删除特定字符模式 （不仅仅是特定字符）。

我一直在查看这里的档案，但似乎没有找到与此相匹配的问题。 我发现的大多数解决方案更适合删除特定字符。

这是我正在使用的字符串列表：

sites=['www.hattrick.com', 'www.google.com', 'www.wampum.net', 'www.newcom.com']

我想要做的是隔离域名并获得

[hattrick，google，wampum，newcom]

这个问题不是关于从URL中隔离域名（我已经看到了有关它的问题），而是基于位置或模式编辑列表中字符串中的特定字符。

到目前为止，我已经尝试过.split，.translate，.strip，但这些似乎不适合我要做的事情，因为它们要么删除太多与搜索匹配的字符，要么不适合识别特定模式/字符分组，或不能使用字符串中字符的位置。

非常感谢任何问题和建议，如果我以错误的方式提出这个问题，我会道歉。

Answer 1

def remove_cruft(s):
    return s[4:-4]

sites=['www.hattrick.com', 'www.google.com', 'www.wampum.net', 'www.newcom.com']
[remove_cruft(s) for s in sites]

结果：

['hattrick', 'google', 'wampum', 'newcom']

如果您知道要删除的所有字符串，则可以使用replace来删除它们。 如果您不确定所有网址都以“www。”开头，或者TLD长度不是三个字符，则此功能非常有用。

def remove_bad_substrings(s):
    badSubstrings = ["www.", ".com", ".net", ".museum"]
    for badSubstring in badSubstrings:
        s = s.replace(badSubstring, "")
    return s

sites=['www.hattrick.com', 'www.google.com', 
'www.wampum.net', 'www.newcom.com', 'smithsonian.museum']
[remove_bad_substrings(s) for s in sites]

结果：

['hattrick', 'google', 'wampum', 'newcom', 'smithsonian']

Answer 2

您可以使用tldextract模块，它比自己解析字符串更健壮：

>>> sites=['www.hattrick.com', 'google.co.uk',
           'apps.s3.stackoverflow.com', 'whitehouse.gov']
>>> import tldextract
>>> [tldextract.extract(s).domain for s in sites]
['hattrick', 'google', 'stackoverflow', 'whitehouse']

Answer 3

你是这个意思吗：

>>> sites=['nosubdomain.net', 'ohcanada.ca', 'www.hattrick.com', 'www.google.com', 'www.wampum.net', 'www.newcom.com']
>>> print [x.split('.')[-2] for x in sites]
['nosubdomain', 'ohcanada', 'hattrick', 'google', 'wampum', 'newcom']

Answer 4

我不清楚你删除特定字符的要求，但如果你想要做的就是删除第一个和最后四个字符，你可以使用python的内置切片：

str = str[4:-4]

这将为您提供从索引4开始的子字符串，最多但不包括字符串的倒数第4个索引。

编辑： 这是一个很好的问题，提供了有关python的切片表示法的大量信息。

Answer 5

阅读你的主题，这是一个答案，但也许不是你想要的。

for site in sites:
    print(site[:4]) # www .
    print(site[-4:]) # .com / .net / ...

你也可以使用正则表达式：

import re
re.sub('^www\.','',sites[0])  # removes 'www.' if exists
re.sub('\.\w+$','',sites[0])  # removes chars after last dot & dot