string - ejemplo - Encontrar cadena entre dos subcadenas

substring python ejemplo

Question

¿Cómo encuentro una cadena entre dos subcadenas ( ''123STRINGabc'' -> ''STRING'' )?

Mi método actual es así:

>>> start = ''asdf=5;''
>>> end = ''123jasd''
>>> s = ''asdf=5;iwantthis123jasd''
>>> print((s.split(start))[1].split(end)[0])
iwantthis

Sin embargo, esto parece muy ineficiente y antiponético. ¿Cuál es una mejor manera de hacer algo como esto?

Se olvidó de mencionar: es posible que la cadena no comience y termine con start y end . Pueden tener más personajes antes y después.

Answer 1

Además de la respuesta de Nikolaus Gradwohl, necesitaba obtener el número de versión (es decir, 0.0.2 ) entre (''ui:'' y ''-'') del siguiente contenido del archivo (nombre de archivo: docker-compose.yml ):

 version: ''3.1''
services:
ui:
image: repo-pkg.dev.io:21/website/ui:0.0.2-QA1
#network_mode: host
ports:
- 443:9999
ulimits:
nofile:test

y así es como funcionó para mí (script python):

import re, sys
f = open(''docker-compose.yml'', ''r'')
lines = f.read()
result = re.search(''ui:(.*)-'', lines)
print result.group(1)
Result:
0.0.2

Answer 2

Aquí hay una función que hice para devolver una lista con una cadena (s) entre el string1 y el string2 buscado.

def GetListOfSubstrings(stringSubject,string1,string2):
MyList = []
intstart=0
strlength=len(stringSubject)
continueloop = 1
while(intstart < strlength and continueloop == 1):
intindex1=stringSubject.find(string1,intstart)
if(intindex1 != -1): #The substring was found, lets proceed
intindex1 = intindex1+len(string1)
intindex2 = stringSubject.find(string2,intindex1)
if(intindex2 != -1):
subsequence=stringSubject[intindex1:intindex2]
MyList.append(subsequence)
intstart=intindex2+len(string2)
else:
continueloop=0
else:
continueloop=0
return MyList
#Usage Example
mystring="s123y123o123pp123y6"
List = GetListOfSubstrings(mystring,"1","y68")
for x in range(0, len(List)):
print(List[x])
output:
mystring="s123y123o123pp123y6"
List = GetListOfSubstrings(mystring,"1","3")
for x in range(0, len(List)):
print(List[x])
output:
2
2
2
2
mystring="s123y123o123pp123y6"
List = GetListOfSubstrings(mystring,"1","y")
for x in range(0, len(List)):
print(List[x])
output:
23
23o123pp123

Answer 3

Aquí hay una manera de hacerlo

_,_,rest = s.partition(start)
result,_,_ = rest.partition(end)
print result

Otra forma de usar regexp

import re
print re.findall(re.escape(start)+"(.*)"+re.escape(end),s)[0]

o

print re.search(re.escape(start)+"(.*)"+re.escape(end),s).group(1)

Answer 4

El análisis de texto con delimitadores de diferentes plataformas de correo electrónico planteó una versión de mayor tamaño de este problema. Generalmente tienen un COMIENZO y una PARADA. Los caracteres del delimitador para comodines se mantienen ahogando en expresiones regex. El problema con la división se menciona aquí y en otras partes. Vaya, el carácter del delimitador ya no está. Se me ocurrió usar replace () para dar split () algo más para consumir. Trozo de código:

nuke = ''~~~''
start = ''|*''
stop = ''*|''
julien = (textIn.replace(start,nuke + start).replace(stop,stop + nuke).split(nuke))
keep = [chunk for chunk in julien if start in chunk and stop in chunk]
logging.info(''keep: %s'',keep)

Answer 5

El formato de cadena agrega cierta flexibilidad a lo que sugirió Nikolaus Gradwohl. start y el end ahora se pueden modificar como se desee.

import re
s = ''asdf=5;iwantthis123jasd''
start = ''asdf=5;''
end = ''123jasd''
result = re.search(''%s(.*)%s'' % (start, end), s).group(1)
print(result)

Answer 6

Esta es esencialmente la respuesta de cji: 30 de julio a las 5:58. Cambié la estructura try try para obtener un poco más de claridad sobre qué causaba la excepción.

def find_between( inputStr, firstSubstr, lastSubstr ):
''''''
find between firstSubstr and lastSubstr in inputStr STARTING FROM THE LEFT
http://.com/questions/3368969/find-string-between-two-substrings
above also has a func that does this FROM THE RIGHT
''''''
start, end = (-1,-1)
try:
start = inputStr.index( firstSubstr ) + len( firstSubstr )
except ValueError:
print '' ValueError: '',
print "firstSubstr=%s - "%( firstSubstr ),
print sys.exc_info()[1]
try:
end = inputStr.index( lastSubstr, start )
except ValueError:
print '' ValueError: '',
print "lastSubstr=%s - "%( lastSubstr ),
print sys.exc_info()[1]
return inputStr[start:end]

Answer 7

Estas soluciones asumen que la cadena de inicio y la cadena final son diferentes. Aquí hay una solución que uso para un archivo completo cuando los indicadores iniciales y finales son los mismos, suponiendo que el archivo completo se lee usando readlines ():

def extractstring(line,flag=''$''):
if flag in line: # $ is the flag
dex1=line.index(flag)
subline=line[dex1+1:-1] #leave out flag (+1) to end of line
dex2=subline.index(flag)
string=subline[0:dex2].strip() #does not include last flag, strip whitespace
return(string)

Ejemplo:

lines=[''asdf 1qr3 qtqay 45q at $A NEWT?$ asdfa afeasd'',
''afafoaltat $I GOT BETTER!$ derpity derp derp'']
for line in lines:
string=extractstring(line,flag=''$'')
print(string)

Da:

A NEWT?
I GOT BETTER!

Answer 8

Esto lo publiqué antes como fragmento de código en Daniweb :

# picking up piece of string between separators
# function using partition, like partition, but drops the separators
def between(left,right,s):
before,_,a = s.partition(left)
a,_,after = a.partition(right)
return before,a,after
s = "bla bla blaa <a>data</a> lsdjfasdjöf (important notice) ''Daniweb forum'' tcha tcha tchaa"
print between(''<a>'',''</a>'',s)
print between(''('','')'',s)
print between("''","''",s)
""" Output:
(''bla bla blaa '', ''data'', " lsdjfasdj/xc3/xb6f (important notice) ''Daniweb forum'' tcha tcha tchaa")
(''bla bla blaa <a>data</a> lsdjfasdj/xc3/xb6f '', ''important notice'', " ''Daniweb forum'' tcha tcha tchaa")
(''bla bla blaa <a>data</a> lsdjfasdj/xc3/xb6f (important notice) '', ''Daniweb forum'', '' tcha tcha tchaa'')
"""

Answer 9

Esto me parece mucho más directo:

import re
s = ''asdf=5;iwantthis123jasd''
x= re.search(''iwantthis'',s)
print(s[x.start():x.end()])

Answer 10

Mi método será hacer algo como,

find index of start string in s => i
find index of end string in s => j
substring = substring(i+len(start) to j-1)

Answer 11

Para extraer STRING , intente:

myString = ''123STRINGabc''
startString = ''123''
endString = ''abc''
mySubString=myString[myString.find(startString)+len(startString):myString.find(endString)]

Answer 12

Simplemente convirtiendo la solución de OP en una respuesta:

def find_between(s, start, end):
return (s.split(start))[1].split(end)[0]

Answer 13

Simplemente puede usar este código o copiar la función a continuación. Todo prolijamente en una línea.

def substring(whole, sub1, sub2):
return whole[whole.index(sub1) : whole.index(sub2)]

Si ejecuta la función de la siguiente manera.

print(substring("5+(5*2)+2", "(", "("))

Es probable que se quede con la salida:

(5*2

más bien que

5*2

Si desea tener las subcadenas al final de la salida, el código debe verse a continuación.

return whole[whole.index(sub1) : whole.index(sub2) + 1]

Pero si no quiere las subcadenas en el extremo, el +1 debe estar en el primer valor.

return whole[whole.index(sub1) + 1 : whole.index(sub2)]

Answer 14

from timeit import timeit
from re import search, DOTALL
def partition_find(string, start, end):
return string.partition(start)[2].rpartition(end)[0]
def re_find(string, start, end):
# applying re.escape to start and end would be safer
return search(start + ''(.*)'' + end, string, DOTALL).group(1)
def index_find(string, start, end):
return string[string.find(start) + len(start):string.rfind(end)]
# The wikitext of "Alan Turing law" article form English Wikipeida
# https://en.wikipedia.org/w/index.php?title=Alan_Turing_law&action=edit&oldid=763725886
string = """..."""
start = ''==Proposals==''
end = ''==Rival bills==''
assert index_find(string, start, end) /
== partition_find(string, start, end) /
== re_find(string, start, end)
print(''index_find'', timeit(
''index_find(string, start, end)'',
globals=globals(),
number=100_000,
))
print(''partition_find'', timeit(
''partition_find(string, start, end)'',
globals=globals(),
number=100_000,
))
print(''re_find'', timeit(
''re_find(string, start, end)'',
globals=globals(),
number=100_000,
))

Resultado:

index_find 0.35047444528454114
partition_find 0.5327825636197754
re_find 7.552149639286381

re_find fue casi 20 veces más lento que index_find en este ejemplo.

Answer 15

import re
s = ''asdf=5;iwantthis123jasd''
result = re.search(''asdf=5;(.*)123jasd'', s)
print result.group(1)

Answer 16

s = "123123STRINGabcabc"
def find_between( s, first, last ):
try:
start = s.index( first ) + len( first )
end = s.index( last, start )
return s[start:end]
except ValueError:
return ""
def find_between_r( s, first, last ):
try:
start = s.rindex( first ) + len( first )
end = s.rindex( last, start )
return s[start:end]
except ValueError:
return ""
print find_between( s, "123", "abc" )
print find_between_r( s, "123", "abc" )

da:

123STRING
STRINGabc

Pensé que debería tenerse en cuenta: dependiendo del comportamiento que necesita, puede mezclar llamadas rindex y rindex o ir con una de las versiones anteriores (es equivalente a los grupos regex (.*) Y (.*?) ).

Answer 17

s[len(start):-len(end)]

Answer 18

source=''your token _here0@df and maybe _here1@df or maybe _here2@df''
start_sep=''_''
end_sep=''@df''
result=[]
tmp=source.split(start_sep)
for par in tmp:
if end_sep in par:
result.append(par.split(end_sep)[0])
print result

debe mostrar: aquí0, aquí1, aquí2

la expresión regular es mejor pero requerirá lib adicional y es posible que desee ir solo para python

Answer 19

start = ''asdf=5;''
end = ''123jasd''
s = ''asdf=5;iwantthis123jasd''
print s[s.find(start)+len(start):s.rfind(end)]

da

iwantthis