Cómo extraer información entre dos palabras únicas en un archivo de texto grande

Question

Tengo alrededor de 150 archivos de texto rellenos con información de caracteres. Cada archivo contiene dos palabras únicas() alfa y bravo y quiero extraer el texto entre estas palabras únicas y escribirlo en un archivo diferente.

Manualmente puedo presionar CTRL + F para las dos palabras y copiar el texto entre, solo quiero saber cómo hacer esto usando un programa (preferiblemente Python) para muchos archivos.

Answer 1

Puede usar regular expressions para eso.

>>> st = "alpha here is my text bravo" 
>>> import re 
>>> re.findall(r'alpha(.*?)bravo',st) 
[' here is my text '] 

Mi archivo test.txt

alpha here is my line 
yipee 
bravo 

Ahora, utilizando open para leer el archivo y que la aplicación de regular expressions.

>>> f = open('test.txt','r') 
>>> data = f.read() 
>>> x = re.findall(r'alpha(.*?)bravo',data,re.DOTALL) 
>>> x 
[' here is my line\nyipee\n'] 
>>> "".join(x).replace('\n',' ') 
' here is my line yipee ' 
>>> 

Answer 2

En lugar de usar la expresión regular, utilice el método Python string.find.

>>>> unique_word_a = 'alpha' 
>>>> unique_word_b = 'bravo' 
>>>> s = 'blah blah alpha i am a good boy bravo blah blah' 
>>>> your_string = s[s.find(unique_word_a)+len(unique_word_a):s.find(unique_word_b)].strip() 
i am a good boy 

Answer 3

a = 'alpha' 
b = 'bravo' 
text = 'from alpha all the way to bravo and beyond.' 

text.split(a)[-1].split(b)[0] 
# ' all the way to ' 

Answer 4

str.find y su hermano tienen rfindstart y end args.

alpha = 'qawsed' 
bravo = 'azsxdc' 
startpos = text.find(alpha) + len(alpha) 
endpos = text.find(bravo, startpos) 
do_something_with(text[startpos:endpos] 

Esta es la manera más rápida si el texto que contiene es corto y cerca del frente.

Si el texto contenido es relativamente grande, utilice:

startpos = text.find(alpha) + len(alpha) 
endpos = text.rfind(bravo) 

Si el texto que figura es corto y cerca del final, el uso:

endpos = text.rfind(bravo) 
startpos = text.rfind(alpha, 0, endpos - len(alpha)) + len(alpha) 

El primer método es, en cualquier caso mejor que el método ingenuo de comenzar la segunda búsqueda desde el comienzo del texto; Úselo si su texto contenido no tiene un patrón dominante.