如何提取大文本文件中兩個唯一字詞之間的信息

Question

我有大約150個文字文件充滿字符信息。每個文件包含兩個獨特的單詞（）阿爾法和布拉沃，我想提取這些獨特的單詞之間的文本，並將其寫入不同的文件。

手動我可以CTRL + F的兩個單詞之間複製文本，我只是想知道如何使用一個程序（最好是Python）爲許多文件做到這一點。

Answer 1

您可以使用regular expressions。

>>> st = "alpha here is my text bravo" 
>>> import re 
>>> re.findall(r'alpha(.*?)bravo',st) 
[' here is my text '] 

alpha here is my line 
yipee 
bravo 

現在使用open讀取文件，比應用regular expressions

我test.txt文件。

>>> f = open('test.txt','r') 
>>> data = f.read() 
>>> x = re.findall(r'alpha(.*?)bravo',data,re.DOTALL) 
>>> x 
[' here is my line\nyipee\n'] 
>>> "".join(x).replace('\n',' ') 
' here is my line yipee ' 
>>> 

Answer 2

而不是使用正則表達式使用Python string.find方法。

>>>> unique_word_a = 'alpha' 
>>>> unique_word_b = 'bravo' 
>>>> s = 'blah blah alpha i am a good boy bravo blah blah' 
>>>> your_string = s[s.find(unique_word_a)+len(unique_word_a):s.find(unique_word_b)].strip() 
i am a good boy 

Answer 3

a = 'alpha' 
b = 'bravo' 
text = 'from alpha all the way to bravo and beyond.' 

text.split(a)[-1].split(b)[0] 
# ' all the way to ' 

Answer 4

str.find和它的兄弟rfind有start和end ARGS。

alpha = 'qawsed' 
bravo = 'azsxdc' 
startpos = text.find(alpha) + len(alpha) 
endpos = text.find(bravo, startpos) 
do_something_with(text[startpos:endpos] 

如果包含的文本短而靠前，這是最快的方法。

如果包含的文本是比較大的，使用方法：

startpos = text.find(alpha) + len(alpha) 
endpos = text.rfind(bravo) 

如果包含的文本短，接近尾聲，用途：

endpos = text.rfind(bravo) 
startpos = text.rfind(alpha, 0, endpos - len(alpha)) + len(alpha) 

第一種方法是在任何情況下優於從文本開始開始第二次搜索的幼稚方法;如果您的包含文本沒有主導模式，請使用它。