Al igual que si tengo una cadena como str1 = "IWantToMasterPython"¿Cómo extraer una cadena entre otras 2 cadenas en python?
Si quiero extraer "Py" de la cadena anterior. Escribo:
extractedString = foo("Master","thon")
Quiero hacer todo esto porque estoy tratando de extraer letras de una página html. Las letras están escritas como <div class = "lyricbox"> ....lyrics goes here....</div>.
Cualquier sugerencia sobre cómo puedo implementar.
La solución es utilizar una expresión regular:
import re
r = re.compile('Master(.*?)thon')
m = r.search(str1)
if m:
lyrics = m.group(1)
def foo(s, leader, trailer):
end_of_leader = s.index(leader) + len(leader)
start_of_trailer = s.index(trailer, end_of_leader)
return s[end_of_leader:start_of_trailer]
esto plantea ValueError si el líder no está presente en la cadena s, o el remolque no está presente después de eso (que no ha especificado qué comportamiento lo que quiere en condiciones anómalas, levantar una excepción es una cosa bastante natural y pitonica, dejar que la persona que llama maneje eso con una prueba/excepto si sabe qué hacer en tales casos).
Un enfoque basado en RE también es posible, pero creo que este enfoque de cadena pura es más simple.
Si está extrayendo cualquier información de una página html, le sugiero que use la biblioteca BeautifulSoup. Lo usé también para extraer datos de html y funciona muy bien.
BeautifulSoup es la forma más fácil de hacer lo que quiere. Puede ser instalado como:
sudo easy_install beautifulsoup
El código de ejemplo para hacer lo que quieres es:
from BeautifulSoup import BeautifulSoup
doc = ['<div class="lyricbox">Hey You</div>']
soup = BeautifulSoup(''.join(doc))
print soup.find('div', {'class': 'lyricbox'}).string
Puede usar Python de urllib para agarrar el contenido de la URL directamente. El Beautiful Soup doc también es útil si desea realizar un análisis más detallado.
También puede probar esto si su gustaría que todas las ocurrencias de la salida en una lista:
import re
str1 = "IWantToMasterPython"
out = re.compile('Master(.*?)thon', re.DOTALL | re.IGNORECASE).findall(str1)
if out :
print out
Muy bien contestadas. Exactamente lo que quería saber Thanx –