Question

假设我有一个字符串'gfgfdAAA1234ZZZuijjk'，我只想提取'1234'部分。

我只知道AAA之前的几个字符是什么，以及ZZZ我感兴趣的1234之后的部分。

使用sed可以使用字符串执行类似的操作：

echo "$STRING" | sed -e "s|.*AAA\(.*\)ZZZ.*|\1|"

结果这会给我1234。

如何在Python中做同样的事情？

Answer 1

使用正则表达式 - documentation进一步参考

import re

text = 'gfgfdAAA1234ZZZuijjk'

m = re.search('AAA(.+?)ZZZ', text)
if m:
    found = m.group(1)

# found: 1234

或：

import re

text = 'gfgfdAAA1234ZZZuijjk'

try:
    found = re.search('AAA(.+?)ZZZ', text).group(1)
except AttributeError:
    # AAA, ZZZ not found in the original string
    found = '' # apply your error handling

# found: 1234

Answer 2

>>> s = 'gfgfdAAA1234ZZZuijjk'
>>> start = s.find('AAA') + 3
>>> end = s.find('ZZZ', start)
>>> s[start:end]
'1234'

如果您愿意，也可以将regexps与re模块一起使用，但在您的情况下这不是必需的。

Answer 3

正则表达式

import re

re.search(r"(?<=AAA).*?(?=ZZZ)", your_text).group(0)

如果AttributeError

中没有“AAA”和“ZZZ”，则上述按原样将失败并显示your_text

字符串方法

your_text.partition("AAA")[2].partition("ZZZ")[0]

如果your_text中不存在“AAA”或“ZZZ”，则上述内容将返回空字符串。

PS Python挑战赛？

Answer 4

import re
print re.search('AAA(.*?)ZZZ', 'gfgfdAAA1234ZZZuijjk').group(1)

Answer 5

您可以使用re模块：

>>> import re
>>> re.compile(".*AAA(.*)ZZZ.*").match("gfgfdAAA1234ZZZuijjk").groups()
('1234,)

Answer 6

使用sed可以使用字符串执行类似的操作：

echo "$STRING" | sed -e "s|.*AAA$.*$ZZZ.*|\1|"

结果这将给我1234。

您可以使用相同的正则表达式对re.sub函数执行相同的操作。

>>> re.sub(r'.*AAA(.*)ZZZ.*', r'\1', 'gfgfdAAA1234ZZZuijjk')
'1234'

在基本sed中，捕获组由$..$表示，但在python中，它由(..)表示。

Answer 7

你可以只使用一行代码

>>> import re

>>> re.findall(r'\d{1,5}','gfgfdAAA1234ZZZuijjk')

>>> ['1234']

结果将收到列表......

Answer 8

您可以在代码中找到第一个带有此函数的子字符串（按字符索引）。此外，您可以找到子字符串后面的内容。

def FindSubString(strText, strSubString, Offset=None):
    try:
        Start = strText.find(strSubString)
        if Start == -1:
            return -1 # Not Found
        else:
            if Offset == None:
                Result = strText[Start+len(strSubString):]
            elif Offset == 0:
                return Start
            else:
                AfterSubString = Start+len(strSubString)
                Result = strText[AfterSubString:AfterSubString + int(Offset)]
            return Result
    except:
        return -1

# Example:

Text = "Thanks for contributing an answer to Stack Overflow!"
subText = "to"

print("Start of first substring in a text:")
start = FindSubString(Text, subText, 0)
print(start); print("")

print("Exact substring in a text:")
print(Text[start:start+len(subText)]); print("")

print("What is after substring \"%s\"?" %(subText))
print(FindSubString(Text, subText))

# Your answer:

Text = "gfgfdAAA1234ZZZuijjk"
subText1 = "AAA"
subText2 = "ZZZ"

AfterText1 = FindSubString(Text, subText1, 0) + len(subText1)
BeforText2 = FindSubString(Text, subText2, 0) 

print("\nYour answer:\n%s" %(Text[AfterText1:BeforText2]))

Answer 9

在python中，可以使用正则表达式（findall）模块中的re方法来提取子字符串表单字符串。

>>> import re
>>> s = 'gfgfdAAA1234ZZZuijjk'
>>> ss = re.findall('AAA(.+)ZZZ', s)
>>> print ss
['1234']

Answer 10

以防万一有人必须做同样的事情。我必须在一行中提取括号内的所有内容。例如，如果我有一条像“美国总统（巴拉克奥巴马）会见......那样的线路”，我想只得到'巴拉克奥巴马'，这就是解决方案：

regex = '.*\((.*?)\).*'
matches = re.search(regex, line)
line = matches.group(1) + '\n'

即。你需要用slash \符号来阻止括号。虽然这是Python的更多正则表达式的问题。

此外，在某些情况下，您可能会在正则表达式定义之前看到'r'符号。如果没有r前缀，则需要使用C中的转义字符。Here对此进行更多讨论。

Answer 11

>>> s = '/tmp/10508.constantstring'
>>> s.split('/tmp/')[1].split('constantstring')[0].strip('.')

Answer 12

令人惊讶的是，没有人提到这是我一次性脚本的快速版本：

>>> x = 'gfgfdAAA1234ZZZuijjk'
>>> x.split('AAA')[1].split('ZZZ')[0]
'1234'

Answer 13

使用PyParsing

import pyparsing as pp

word = pp.Word(pp.alphanums)

s = 'gfgfdAAA1234ZZZuijjk'
rule = pp.nestedExpr('AAA', 'ZZZ')
for match in rule.searchString(s):
    print(match)

产生：

[['1234']]

Answer 14

一个带有 Python 3.8 的衬垫：

text[text.find(start:='AAA')+len(start):text.find('ZZZ')]

Answer 15

text = 'I want to find a string between two substrings'
left = 'find a '
right = 'between two'

print(text[text.index(left)+len(left):text.index(right)])

给予

string

Answer 16

另一种使用列表的方式（假设您要查找的子字符串仅由数字组成）：

string = 'gfgfdAAA1234ZZZuijjk'
numbersList = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']
output = []

for char in string:
    if char in numbersList: output.append(char)

print(f"output: {''.join(output)}")
### output: 1234

Answer 17

这是不带正则表达式的解决方案，它也解决了第一个子字符串包含第二个子字符串的情况。仅当第二个标记位于第一个标记之后，此函数才会找到子字符串。

def find_substring(string, start, end):
    len_until_end_of_first_match = string.find(start) + len(start)
    after_start = string[len_until_end_of_first_match:]
    return string[string.find(start) + len(start):len_until_end_of_first_match + after_start.find(end)]

Answer 18

打字稿。在其他两个字符串之间获取字符串。

搜索前缀和后缀之间的最短字符串

前缀-字符串/字符串数组/空（意味着从头开始搜索）。

后缀-字符串/字符串数组/ null（表示搜索到最后）。

public getStringInBetween(str: string, prefixes: string | string[] | null,
                          postfixes: string | string[] | null): string {

    if (typeof prefixes === 'string') {
        prefixes = [prefixes];
    }

    if (typeof postfixes === 'string') {
        postfixes = [postfixes];
    }

    if (!str || str.length < 1) {
        throw new Error(str + ' should contain ' + prefixes);
    }

    let start = prefixes === null ? { pos: 0, sub: '' } : this.indexOf(str, prefixes);
    const end = postfixes === null ? { pos: str.length, sub: '' } : this.indexOf(str, postfixes, start.pos + start.sub.length);

    let value = str.substring(start.pos + start.sub.length, end.pos);
    if (!value || value.length < 1) {
        throw new Error(str + ' should contain string in between ' + prefixes + ' and ' + postfixes);
    }

    while (true) {
        try {
            start = this.indexOf(value, prefixes);
        } catch (e) {
            break;
        }
        value = value.substring(start.pos + start.sub.length);
        if (!value || value.length < 1) {
            throw new Error(str + ' should contain string in between ' + prefixes + ' and ' + postfixes);
        }
    }

    return value;
}

Answer 19

如果没有匹配，则返回其他字符串的一个内容。修改：改进版使用next函数，如果需要，请将"not-found"替换为其他内容：

import re
res = next( (m.group(1) for m in [re.search("AAA(.*?)ZZZ", "gfgfdAAA1234ZZZuijjk" ),] if m), "not-found" )

我这样做的另一种方法，不太理想，第二次使用正则表达式，仍然没有找到更短的方法：

import re
res = ( ( re.search("AAA(.*?)ZZZ", "gfgfdAAA1234ZZZuijjk") or re.search("()","") ).group(1) )

如何提取两个标记之间的子串？

19 个答案:

正则表达式

字符串方法