Извлечение части большой строки

Question

Я программирую на python, и я пытаюсь очистить источник на веб-сайте. Например, я пытаюсь извлечь номер upc. Это только части страницы. Есть куча писем, цифр, символов, которые окружают upc.

myString = someLargeString + '<meta property=og:upc content=02276254215 />' + anotherLargeString 

Я думаю, что могу извлечь его, используя много расколов, но мне интересно, есть ли лучший способ. Я немного узнал об использовании findall и регулярных выражений, но я не уверен, что это можно применить здесь. Разделить был бы лучший способ сделать это?

Любая помощь или предложения были бы весьма признательны. Большое спасибо.

Answer 1

Регулярное выражение, вероятно, лучше, поскольку оно быстрее, проще в обслуживании и легче читать. Here's хороший учебник по регулярным выражениям, который вы, вероятно, должны прочитать, если вы собираетесь делать этот сайт синтаксическим анализом надолго.

В качестве примера, если вы хотите найти только один матч:

import re 

m = re.search('upc content=([0-9]*)', string) 
if m: 
    upc = m.group(1) 
    print upc 

Если вы собираетесь повторно использовать регулярное выражение, это, вероятно, хорошая идея прекомпилировать его заранее, как показано here

Answer 2

import re 

myString = '<meta property=og:upc content=02276254215 />' 

print(re.findall(r'upc\s+content=(\d+)',myString)) 

['02276254215'] 

Answer 3

Другой способ извлечения части большой струны, если вы знаете, между строками, используется метод поиска строки:

myString = '<meta property=og:upc content=02276254215 />' 

FirstString = "content=" 
SecondString = " />" 

print(myString[myString.find(FirstString)+len(FirstString)+1: 
myString.find(SecondString)]) 

['02276254215'] 

Вы можете извлечь строку между FirstString и SecondString.