Question

我是一个python初学者，希望python从文本文件中捕获引号中的所有文本。我尝试过以下方法：

filename = raw_input("Enter the full path of the file to be used: ")
input = open(filename, 'r')
import re
quotes = re.findall(ur'"[\^u201d]*["\u201d]', input)
print quotes

我收到错误：

Traceback (most recent call last):
  File "/Users/nithin/Documents/Python/Capture Quotes", line 5, in <module>
    quotes = re.findall(ur'"[\^u201d]*["\u201d]', input)
  File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/re.py", line 177, in findall
    return _compile(pattern, flags).findall(string)
TypeError: expected string or buffer

任何人都可以帮助我吗？

Answer 1

正如Bakuriu所指出的那样，你需要像这样添加.read()：

quotes = re.findall(ur'[^\u201d]*[\u201d]', input.read())

open()只返回一个文件对象，而f.read()将返回一个字符串。另外，我猜你是想在引号之前得到两个引号之间的所有内容，而不只是[\^u201d]的零个或多个出现。所以我会尝试这个：

quotes = re.findall(ur'[\u201d][^\u201d]*[\u201d]', input.read(), re.U)

re.U说明了unicode。或者（如果你没有两组右双引号并且不需要unicode）：

quotes = re.findall(r'"[^"]*"', input.read(), re.U)

最后，您可能希望选择与input不同的变量，因为input是python中的关键字。

您的结果可能如下所示：

>>> input2 = """
cfrhubecf "ehukl wehunkl echnk
wehukb ewni; wejio;"
"werulih"
"""
>>> quotes = re.findall(r'"[^"]*"', input2, re.U)
>>> print quotes
['"ehukl wehunkl echnk\nwehukb ewni; wejio;"', '"werulih"']

Answer 2

您可以尝试使用某些python内置函数，而不是使用正则表达式。我会让你努力工作：

message = '''
"some text in quotes", some text not in quotes. Some more text 'In different kinds of quotes'.
'''
list_of_single_quote_items = message.split("'")
list_of_double_quote_items = message.split(""")

具有挑战性的部分将解释您的拆分列表的含义并处理所有边缘条件（字符串，转义序列等中只有一个引号）

使用python从文本文件中查找和打印引号中的文本

2 个答案: