[已解决]提取指定字符串中间的字符求助，谢谢

Amgalang · 发表于 2021-11-17 08:32:21

马上注册，结交更多好友，享用更多功能^_^

您需要登录才可以下载或查看，没有账号？立即注册

x

早上好，我有一个文本文档txt想从其中提取指定字符中间或前面的的词，希望大佬们练练手帮我一下，谢谢。

文件内容如：
AAA#BBB.
CCC#DDDD.
CINGGIS&HAGAN:Yn#GAR-VN&USUG:Yn.
SINJI&CINAR:Yn#AGVLA-YIN&0R0I:Yn-YIN T0BCI NEREIDUL.
OL&H0G0LA:Yn#EMEGE&EJI:Yn-GI LABLAJV UJE.
BVSIGV&TURGEN:Yn#CAGAN&IDEGE:Yn-UN HUNDUDHEL.
LABDAGVN&T0GTAGVN:Ya#CAGAN UGEI GALTV&AGVLA:Yn.
G0Y0&SAYIHAN:Ya#JUI BVSV NEYIGEM&JIRVMTV:Ya.

这个文件中 # 符号的前面是词，后面是其释义。
我想先找到有&的词，意思是不考虑文件中的AAA#BBB和CCC#DDDD这种没有&符号的词，只考虑有&符号而且是#前面的词。
1.然后第一个提取的模式是：一行内有两个或多个带有&符号的词，但是若除了带有&号的词外有别的词那就不提取。提取结果是：CINGGIS&HAGAN:Yn#GAR-VN&USUG:Yn.而不是SINJI&CINAR:Yn#AGVLA-YIN&0R0I:Yn-YIN T0BCI NEREIDUL.因为后一行中除了带有&符号的词外还有不带&的词。
2.第二个提取模式是：带有&符号的词释义内容中“Yn-YIN T0BCI NEREIDUL”字符前面的带有&号的词。例如，文件中第四行。
3.第三个提取模式是：带有&符号的词释义内容中“-GI LABLAJV UJE”字符前面的带有&号的词。例如，文件中第五行。
4.第四个模式是：带有&符号的词释义内容中“-UN HUNDUDHEL”字符前面的带有&号的词。例如，文件中第六行。
5.第五个提取模式是：带有&符号的词释义内容中“UGEI”字符后面的带有&号的词。例如，文件中第七行。
6.第六个提取模式是：带有&符号的词释义内容中“BVSV”字符后面的带有&号的词。例如，文件中第八行。

虽然看起来感觉麻烦不过我想就是几行代码的事儿，因为提取模式都差不多，所以希望大佬们帮帮小白，谢谢。期待大家的回信。祝大家有个美好的一天

最佳答案

月排行榜 / 总排行榜

qq1151985918

2021-11-17 22:43:48

def get(data):
    if "&" not in data or "#" not in data:
        return
    k, v = data.split("#")
    if " " not in v:
        res = {k.strip():v.strip()}
    elif "-YIN T0BCI NEREIDUL" in v:
        res = {k.strip():v[:v.find("-YIN T0BCI NEREIDUL")].strip()}
    elif "-GI LABLAJV UJE" in v:
        res = {k.strip():v[:v.find("-GI LABLAJV UJE")].strip()}
    elif "-UN HUNDUDHEL" in v:
        res = {k.strip():v[:v.find("-UN HUNDUDHEL")].strip()}
    elif "UGEI" in v:
        res = {k.strip():v[v.find("UGEI")+4:].strip()}
    elif "BVSV" in v:
        res = {k.strip():v[v.find("BVSV")+4:].strip()}
    else:
        return
    return res


if __name__ == "__main__":
    text = """AAA#BBB.
CCC#DDDD.
CINGGIS&HAGAN:Yn#GAR-VN&USUG:Yn.
SINJI&CINAR:Yn#AGVLA-YIN&0R0I:Yn-YIN T0BCI NEREIDUL.
OL&H0G0LA:Yn#EMEGE&EJI:Yn-GI LABLAJV UJE.
BVSIGV&TURGEN:Yn#CAGAN&IDEGE:Yn-UN HUNDUDHEL.
LABDAGVN&T0GTAGVN:Ya#CAGAN UGEI GALTV&AGVLA:Yn.
G0Y0&SAYIHAN:Ya#JUI BVSV NEYIGEM&JIRVMTV:Ya."""
    for i in text.splitlines():
        if get(i):
            print(get(i))

跳转到最佳答案楼层

wp231957 · 发表于 2021-11-17 20:06:54

太乱，看得头疼，搞不清为啥要分那么多模式

Amgalang · 发表于 2021-11-17 21:41:33

wp231957 发表于 2021-11-17 20:06
太乱，看得头疼，搞不清为啥要分那么多模式

感谢您的回复，其实能实现模式1和2就好了，别的都是换个字符就行，希望您看看，就实现1和2。谢谢

kaohsing · 发表于 2021-11-17 21:54:37

23456，基本是一个意思。

kaohsing · 发表于 2021-11-17 22:03:47

你就标一下，要哪些数据就得了。

qq1151985918 · 发表于 2021-11-17 22:43:48

这个最佳答案由 qq1151985918 给出，感谢 qq1151985918 的回答。

单击隐藏图章

def get(data):
    if "&" not in data or "#" not in data:
        return
    k, v = data.split("#")
    if " " not in v:
        res = {k.strip():v.strip()}
    elif "-YIN T0BCI NEREIDUL" in v:
        res = {k.strip():v[:v.find("-YIN T0BCI NEREIDUL")].strip()}
    elif "-GI LABLAJV UJE" in v:
        res = {k.strip():v[:v.find("-GI LABLAJV UJE")].strip()}
    elif "-UN HUNDUDHEL" in v:
        res = {k.strip():v[:v.find("-UN HUNDUDHEL")].strip()}
    elif "UGEI" in v:
        res = {k.strip():v[v.find("UGEI")+4:].strip()}
    elif "BVSV" in v:
        res = {k.strip():v[v.find("BVSV")+4:].strip()}
    else:
        return
    return res


if __name__ == "__main__":
    text = """AAA#BBB.
CCC#DDDD.
CINGGIS&HAGAN:Yn#GAR-VN&USUG:Yn.
SINJI&CINAR:Yn#AGVLA-YIN&0R0I:Yn-YIN T0BCI NEREIDUL.
OL&H0G0LA:Yn#EMEGE&EJI:Yn-GI LABLAJV UJE.
BVSIGV&TURGEN:Yn#CAGAN&IDEGE:Yn-UN HUNDUDHEL.
LABDAGVN&T0GTAGVN:Ya#CAGAN UGEI GALTV&AGVLA:Yn.
G0Y0&SAYIHAN:Ya#JUI BVSV NEYIGEM&JIRVMTV:Ya."""
    for i in text.splitlines():
        if get(i):
            print(get(i))

Amgalang · 发表于 2021-11-18 00:07:40

kaohsing 发表于 2021-11-17 22:03
你就标一下，要哪些数据就得了。

先找到#符号前面带有带有&符号的词，之后有两个需求：

1.您刚刚总结的对，23456就是一个意思，所以实现一个就行，别的我就照葫芦画瓢。例如，一行数据：A&B:Yn#C&D:Yn-YIN T0BCI NEREIDUL.先找到#前有&字符的词,也就是“A&B:Yn”，然后提取“-YIN T0BCI NEREIDUL”字符串前面带有&字符的"C&D:Yn"词；提取结果是：A&B:Yn=C&D:Yn；

2.二是直接提取#前后都带有&字符的词。例如；E&F:Yn#G&H:Yn.但是这一行数据中除了例子显示的以外，若有任何别的字符我就不提取了。意思是就要提取#前后都带有&字符的词，而且没有别的词。就像所示例子一样。

希望这次我说的稍微清楚一些，谢谢哒

Amgalang · 发表于 2021-11-18 00:11:49

Amgalang 发表于 2021-11-18 00:07
先找到#符号前面带有带有&符号的词，之后有两个需求：

1.您刚刚总结的对，23456就是一个意思，所以实 ...

可能我说的思维不对，就像您说的我这次就说我需要得到什么数据：

简化的文件，如下：
A&B:Yn#C&D:Yn.
E&F:Yn#G&H:Yn--YIN T0BCI NEREIDUL.

我想代码运行过后从那么多数据中得到：1.A&B:Yn#C&D:Yn. 2.E&F:Yn#G&H:Yn.

Amgalang · 发表于 2021-11-18 09:07:57

qq1151985918 发表于 2021-11-17 22:43

哇，完美解决了我的需求，谢谢您。希望您有空时备注下代码，我有点读不懂一些内容，再次感谢。

kaohsing · 发表于 2021-11-18 11:29:04

[hide]

# -*- coding: UTF-8 -*-
import re
s='''

AAA#BBB.
CCC#DDDD.
CINGGIS&HAGAN:Yn#GAR-VN&USUG:Yn.
SINJI&CINAR:Yn#AGVLA-YIN&0R0I:Yn-YIN T0BCI NEREIDUL.
OL&H0G0LA:Yn#EMEGE&EJI:Yn-GI LABLAJV UJE.
BVSIGV&TURGEN:Yn#CAGAN&IDEGE:Yn-UN HUNDUDHEL.
LABDAGVN&T0GTAGVN:Ya#CAGAN UGEI GALTV&AGVLA:Yn.
G0Y0&SAYIHAN:Ya#JUI BVSV NEYIGEM&JIRVMTV:Ya.


'''

def k(s):
    r = re.compile("[BU][SVGEI]{3} (.*?)\.|(.*?&.*?):Yn-.*?\.")
    result = r.findall(s, re.M|re.I)
    l=[ ''.join(list(i))  for  i in result ]
    print(l)

k(s)

[/hide]

kaohsing · 发表于 2021-11-18 11:30:29

试试

游客，如果您要查看本帖隐藏内容请回复

Amgalang · 发表于 2021-11-18 14:16:04

qq1151985918 发表于 2021-11-17 22:43

您好，我调试代码后发现了3个小问题，希望您有空的时候帮我改进一下，别的没问题了，真心感谢。

为了看着方便，先给到我简化的原始数据(一些模式做了删减）：
AAA#BBB.
CCC#DDDD.
A&A:Yn#B&B:Yn.
C&C:Yn#D&D:Yn-YIN T0BCI NEREIDUL.
B&B:Yn#F&F:Yn.
G&G:Yn#①H&H:Yn②DDDDDDD.

问题一：我想提取指定一些词的符合代码的数据。意思就是我这里有一个AA.txt，这里每一行有一个词，需要代码读取AA.txt里的词，找其模式匹配的数据。A.txt内容如下:
A&A:Yn
C&C:Yn
找这些指定词的符合模式的提取数据，这个该怎么实现呢？

问题二：提取的数据中有重合关系，想分开提取。具体而言：原始文件中，”A&A:Yn“提取到了{A&A:Yn#B&B:Yn}，”B&B:Yn“也可以提取到{B&B:Yn#F&F:Yn}，那么意识是，A=B，B=C 所以A=C；我想得到：{A&A:Yn#B&B:Yn}，{B&B:Yn#F&F:Yn}这样的一列排序。能实现吗？

问题三：像原始文件里第六行所示，一些词与指定数字后面的词有关系，我想提取它。例如，第六行提取结果是{G&G:Yn#①H&H:Yn}，不提取②后面的词，因为其没有符号”&“。

上述三个改进是对全局的改进，1，2，3间都是相互协作的。需求我说完了，麻烦您了，希望您有空时改进一下，哈哈哈谢谢。

kaohsing · 发表于 2021-11-18 16:33:17

我还是没有看明白

Amgalang · 发表于 2021-11-19 07:55:13

kaohsing 发表于 2021-11-18 11:29

也提取成功了，谢谢您，我现在又碰到新问题了，能帮我改进下代码吗？具体问题在12#，谢谢。

账号		自动登录	找回密码
密码			立即注册