Python: usuwanie słów pomiędzy dwoma delimeters

Question

mam głośny data..something jak

<@ """@$ FSDF >something something <more noise> 

teraz chcę tylko, aby wyodrębnić „coś coś” .. Czy istnieje sposób, w jaki sposób usunąć tekst między tymi dwoma ogranicznikami "<" i ">" ??

Dzięki

Answer 1

Zastosowanie regular expressions:

>>> import re 
>>> s = '<@ """@$ FSDF >something something <more noise>' 
>>> re.sub('<[^>]+>', '', s) 
'something something ' 

[Aktualizacja]

Jeśli próbowałeś wzór jak <.+>, gdzie kropka oznacza dowolny znak, a znak plus oznacza jeden lub więcej, wiem, że to nie działa.

>>> re.sub(r'<.+>', s, '') 
'' 

Dlaczego!?! Dzieje się tak, ponieważ wyrazy regularne są domyślnie "chciwe". Wyrażenie będzie pasować do wszystkiego, aż do końca łańcucha, w tym do > - a tego nie chcemy. Chcemy dopasować < i zatrzymać się na następnym >, więc używamy wzoru [^x], który oznacza "dowolny znak, ale x" (x jest >).

Operator ? okazuje meczu „non-chciwy”, więc to ten sam efekt:

>>> re.sub(r'<.+?>', '', s) 
'something something ' 

Poprzedniego jest bardziej wyraźny, ten jest mniej pisania; należy pamiętać, że x? oznacza zero lub jedno wystąpienie x.

Answer 2

Oczywiście można używać wyrażeń regularnych.

import re 
s = #your string here 
t = re.sub('<.*?>', '', s) 

Powyższy kod powinien to zrobić.

Answer 3

import re 
my_str = '<@ """@$ FSDF >something something <more noise>' 
re.sub('<.*?>', '', my_str) 
'something something ' 

Funkcja re.sub przyjmuje wyrażenie regularne i zastąpić wszystkie mecze w ciągu z drugiego parametru. W tym przypadku wyszukujemy wszystkie znaki między < i > ('<.*?>') i zastępujemy je bez żadnych elementów ('').

Urządzenie ? jest używane w przypadku re w przypadku wyszukiwania nie wymagającego chciwości.

Więcej o re module.

---

Jeśli że „szumy” są rzeczywiście tagi html, proponuję zajrzeć do BeautifulSoup

Answer 4

Tylko zainteresowania, można napisać kod takich jak:

with open('blah.txt','w') as f: 
    f.write("""<sdgsa>one<as<>asfd<asdf> 
<asdf>two<asjkdgai><iasj>three<fasdlojk>""") 

def filter_line(line): 
    count=0 
    ignore=False 
    result=[] 
    for c in line: 
     if c==">" and count==1: 
      count=0 
      ignore=False 
     if not ignore: 
      result.append(c) 
     if c=="<" and count==0: 
      ignore=True 
      count=1 
    return "".join(result) 

with open('blah.txt') as f: 
    print "".join(map(filter_line,f.readlines())) 

>>> 
<>one<>asfd<> 
<>two<><>three<> 

Answer 5

pierwsze dziękuję Paulo Scardine, użyłem twojego re, aby zrobić coś wspaniałego. Pomysł polegał na tym, aby mieć wolny od znaczników plik po LibreOffice do celów drukowania. Zrobiłem następujący skrypt, który wyczyści plik pomocy dla mniejszych i łatwiejszych.

import re 
f = open('a.csv') 
text = f.read() 
f.close() 

clean = re.sub('<[^>]+>', ' ', text) 

f = open('b.csv', 'w') 
f.write(clean) 
f.close()