Разбор больших строк в python

Я пытаюсь разобрать строки извлечения конкретных слов.Разбор больших строк в python

Строка

{{About|the ALGOL-like programming language|the scripting language formerly named Small|Pawn (scripting language)}} 

'''SMALL''', Small Machine Algol Like Language, is a [[computer programming|programming]] [[programming language|language]] developed by Dr. [[Nevil Brownlee]] of [[Auckland University]]. 

==History== 
The aim of the language was to enable people to write [[ALGOL]]-like code that ran on a small machine. It also included the '''string''' type for easier text manipulation. 

SMALL was used extensively from about 1980 to 1985 at [[Auckland University]] as a programming teaching aid, and for some internal projects. Originally written to run on a [[Burroughs Corporation]] B6700 [[Main frame]] in [[Fortran]] IV, subsequently rewritten in SMALL and ported to a DEC [[PDP-10]] Architecture (on the [[Operating System]] [[TOPS-10]]) and IBM S360 Architecture (on the Operating System VM/[[Conversational Monitor System|CMS]]). 

About 1985, SMALL had some [[Object-oriented programming|object-oriented]] features added to handle structures (that were missing from the early language), and to formalise file manipulation operations. 

==See also== 
*[[ALGOL]] 
*[[Lua (programming language)]] 
*[[Squirrel (programming language)]] 

==References== 
*[http://www.caida.org/home/seniorstaff/nevil.xml Nevil Brownlee] 

[[Category:Algol programming language family]] 
[[Category:Systems programming languages]] 
[[Category:Procedural programming languages]] 
[[Category:Object-oriented programming languages]] 
[[Category:Programming languages created in the 1980s]]

Я хочу, чтобы извлечь Алгол, Lua (язык программирования), Белка (язык программирования) с также раздел. (Именно эти слова не должны содержать никаких скобок или звезды.)
Я пробовал эти подходы
Строка разделена, регулярные выражения. Я все еще негде, Помогите оценить.

Код, используемый мной

import urllib.request,json,re 

url = "http://en.wikipedia.org/w/api.php?format=json&action=query&titles=SMALL&prop=revisions&rvprop=content" 
response = urllib.request.urlopen(url) 
str_response = response.readall().decode('utf-8') 
obj = json.loads(str_response) 
a=str(obj['query']['pages']['1808130']['revisions'][0]['*']) 
print(a)

Строка хранится в.

источник

2015-01-28 Saras Arya

Что вы пробовали * точно *? Я бы сказал, что вы можете разбить строку на строки, извлечь все строки между '== См. Также ==' и следующий раздел (или конец файла), а затем применить подходящее регулярное выражение для каждой строки. –

это не json, так как это могло сработать? –

Как вы @FrerichRaabe предложите мне извлечь все строки между == See Also == и в следующем разделе? используя регулярное выражение? Я написал регулярное выражение для строк в середине. т. е. «\ W \ W \ W [a-z, A-Z \ W] + \ W \ W" –

Если я правильно понял, вам нужны символы между ==See also== и ==References==, за исключением этих *[]. Я назвал вашу начальную строку как my_string.

import re 

# Sliced_string will only contain the characters between '==See also==' and '==References==' 
sliced_string = re.findall(r'==See also==(.*?)==References==', my_string, re.DOTALL)[-1] 

# Removes stars and brackets 
for unwanted_char in '[]*': 
    sliced_string = sliced_string.replace(unwanted_char, '') 

# Creates a list of strings (also removes empty strings) 
final_list = sliced_string.split('\n') 
final_list = [elem for elem in final_list if elem != ''] 

print(final_list)

Edit: преобразованная строка в список.

Код работает правильно, если в данной строке есть только одно вхождение ==See also== и ==References==.

источник

2015-01-28 12:06:00

Выполняет ли работа отлично ... Не могли бы вы объяснить регулярное выражение, которое вы применили? Я не привык к такому сложному регулярному выражению –

Во-первых, вы должны использовать необработанные строки типа 'r'something'' вместо' 'something''. Теперь о регулярном выражении; в скобках указывается, какую часть совпадения вы хотите вернуть «findall» (она будет соответствовать всему шаблону, но только возвращает содержимое скобок). Dot '.' означает символ _any, исключающий новую строку_. Если 're.DOTALL' используется как флаг, то он также будет соответствовать новым строкам. Звезда '*' означает _ от 0 до бесконечных символов. Если это '*?', То он будет соответствовать как можно меньше, прежде чем он достигнет '== Ссылки =='. –

Для получения дополнительной информации вы можете проверить https://docs.python.org/3/library/re.html или спросить. –

print re.findall(r"\*\[\[([^\]]*)\]\]",re.findall(r"==See also==((?:\s+\*\[\[(?:[^\]]*)\]\])+)",x)[0])

Примените это прямо и отправьте строку, сохраненную в x.

источник

2015-01-28 12:32:15 vks

Разбор больших строк в python

ответ

Смежные вопросы