使用Python從子字符串中提取某些字符串

Question

我有一個很大的文檔，我試圖從使用Pythonv3中提取某些數據。 重復類似於以下內容的文本，並且每當標識“ pic =“和“ originalName =””字符串時，我都希望提取“ 123456789”和“ 987654321”。

“這是一些文本pic = 123456789一些其他文本originalName =“ 987654321.jpg然后是一些其他文本”

有人可以協助嗎？

Answer 1

您可以嘗試以下方法：

import re
s= 'this is some text pic=123456789 some more text originalName="987654321.jpg then some more text'
data = re.findall('(?<=pic\=)\d+|(?<=originalName\=\")\d+', s)

輸出：

['123456789', '987654321']

Answer 2

您需要將python的庫用於正則表達式 。 正則表達式是搜索文本模式的有用方法。 在這種情況下，其他評論者已經提供了一個有效的代碼段：

import re
s= 'this is some text pic=123456789 some more text originalName="987654321.jpg then some more text'
data = re.findall('(?<=pic\=)\d+|(?<=originalName\=\")\d+', s)

乍一看這似乎是胡說八道，所以這里是一個細分：

re.findall將所有匹配項返回給指定字符串中的指定模式。

findall的第一個參數是正則表達式模式，用單引號引起來。 正則表達式可以只是一個單詞； re.findall('apple', s)將返回re.findall('apple', s) “ apple”一詞的所有實例。 但是，有幾個具有特殊含義的字符可以幫助描述更通用的模式。

\\d匹配0-9的任何數字。 \\d+匹配任意長度的數字0-9序列。

| 在中間分隔兩個正則表達式。 如果任何一個模式都匹配，則整個表達式返回匹配項。

(?<= ... )被稱為正向后看。 如果在... 之前有一個模式，則返回匹配項。

=和"具有特殊含義，因此\\=和\\"指定應該正常使用這些字符。

因此'(?<=pic\\=)\\d+'匹配一個以字符串pic=開頭的任意長度的數字序列。 並且'(?<=originalName\\=\\")\\d+'匹配一系列數字，其后為字符串originalName=" 。

findall的第二個參數只是用於搜索這些模式的字符串。 因此re.findall('(?<=pic\\=)\\d+|(?<=originalName\\=\\")\\d+', s)將搜索s並返回所有帶pic=的數字序列，以及所有在它們之前帶有originalName="的數字序列。