Python 从文件中提取可变长度的文本

Question

我有一个文本文件，其中包含类似

的数据

Tweet_id:"123456789", "text":"What an episode", "truncated":"false",Tweet_id:"12345678910", "text":My number is fascinating", "truncated":false

我只想提取文本字段

Tweet_id:"123456789", **"text":"What an episode", "truncated"**:"false",Tweet_id:"12345678910", **"text":My number is fascinating", "truncated":false**

Answer 1

我不确定你到底想提取哪一部分，但我建议你使用 regular expressions。

>>> import re
>>> string = 'Tweet_id:"123456789","text":"What an episode","truncated":"false,Tweet_id:"12345678910","text":My number is fascinating","truncated":false'
>>> re.findall('\"text\":(.*?),', string)
['"What an episode"', 'My number is fascinating"']

Answer 2

这是 regular expressions 的自然应用。

import re

text_re = re.compile("""
    "text":"            # This matches the part right before what you want.
    (?P<content>[^"]+)  # Matches the content
    "                   # Matches the close-quote after the content.
""", re.VERBOSE)

for match in text_re.finditer('Tweet_id:"123456789","text":"What an episode","truncated":"false,Tweet_id:"12345678910","text":"My number is fascinating","truncated":false"'):
    print match.group('content')

这将打印：

What an episode
My number is fascinating

正则表达式可能需要变得更复杂，具体取决于数据格式的一致性、推文内容中的双引号字符在数据中的处理方式等细节。

Python 从文件中提取可变长度的文本

Python extraction of variable length text from a file

python

python-3.x

text-extraction