根據字符串python的start關鍵字和end關鍵字切割一個字符串

Question

我有一個 pdf，我通過 python 中的 Tika 包閱讀了它。 似乎 tika 只能閱讀整個 pdf 而我只需要閱讀第一頁。

我的代碼看起來像：

from tika import parser
raw = parser.from_file(pdfname)
rawtext = raw['content']

我想通過開始關鍵字和結束關鍵字拆分原始文本。 我怎么做？

Answer 1

您可以使用regex來選擇您感興趣的文本，例如：

import re


raw_text = 'this is a sample of text'
start = 'is'
end = 'of'

start_index = re.search(r'\b' + start + r'\b', raw_text).start()
end_index = re.search(r'\b' + end + r'\b', raw_text).end()
section_of_text = raw_text[start_index:end_index]
print(section_of_text)

>>> "is a sample of"