在 Python 中提取其他兩個之間的字符串

Question

我正在嘗試從 fdf（PDF 注釋文件）中提取注釋。 實際上，這是在其他兩個之間提取一個字符串。 我做了以下事情：

1. 我使用以下命令打開 fdf 文件：

import re
import os

os.chdir("currentworkingdirectory")
archcom =open("comentarios.fdf", "r")
cadena = archcom.read()

2. 使用打開的文件，我創建了一個名為 cadena 的字符串，其中包含我需要的所有信息。 例如：

cadena = "\n215 0 obj\n<</D[2.0 2.0]/S/D>>\nendobj\n216 0 obj\n<</D[2.0 2.0]/S/D>>\nendobj\n217 0 obj\n<</D[2.0 2.0]/S/D>>\nendobj\n218 0 obj\n<</W 3.0>>\nendobj\n219 0 obj\n<</W 3.0>>\nendobj\ntrailer\n<</Root 1 0 R>>\n%%EOF\n"

3. 我嘗試使用以下行提取所需的信息：

a = re.findall(r"nendobj(.*?)W 3\.0",cadena)

試圖獲得：

a = "n216 0 obj\n<</D[2.0 2.0]/S/D>>\nendobj\n217 0 obj\n<</D[2.0 2.0]/S/D>>\nendobj\n218 0 obj\n<<"

但我得到了：

a = []

問題出在a = re.findall(r"nendobj(.*?)W 3\\.0",cadena)但我不知道在哪里。 我嘗試了很多組合都沒有成功。

我很感激任何評論。

問候

Answer 1

在我看來，有兩個問題：

a) 您正在尋找nendobj ，但 N 實際上是換行符\\n 。 因此，您也不會在輸出中獲得前導 N，因為沒有 N。

b) 由於您要查找的文本跨越了一些換行符，因此您需要re.DOTALL標志

最終代碼：

a = re.findall("endobj(.*?)W 3\.0",cadena, re.DOTALL)

另請注意，將有第二個結果，由 Regex101 確認。