时间戳

首页 > 解决方案 > 在Python中提取其他两个之间的字符串

python - 在Python中提取其他两个之间的字符串

问题描述

我正在尝试从 fdf（PDF 评论文件）中提取评论。实际上，这是在其他两个之间提取一个字符串。我做了以下事情：

  1. 我使用以下命令打开 fdf 文件：
import re
import os

os.chdir("currentworkingdirectory")
archcom =open("comentarios.fdf", "r")
cadena = archcom.read()
  1. 使用打开的文件，我创建了一个名为 cadena 的字符串，其中包含我需要的所有信息。例如：
cadena = "\n215 0 obj\n<</D[2.0 2.0]/S/D>>\nendobj\n216 0 obj\n<</D[2.0 2.0]/S/D>>\nendobj\n217 0 obj\n<</D[2.0 2.0]/S/D>>\nendobj\n218 0 obj\n<</W 3.0>>\nendobj\n219 0 obj\n<</W 3.0>>\nendobj\ntrailer\n<</Root 1 0 R>>\n%%EOF\n"
  1. 我尝试使用以下行提取所需的信息：
a = re.findall(r"nendobj(.*?)W 3\.0",cadena)

试图得到：

a = "n216 0 obj\n<</D[2.0 2.0]/S/D>>\nendobj\n217 0 obj\n<</D[2.0 2.0]/S/D>>\nendobj\n218 0 obj\n<<"

但我得到了：

a = []

问题出在一线a = re.findall(r"nendobj(.*?)W 3\.0",cadena)，但我不知道在哪里。我尝试了很多组合都没有成功。

我很感激任何评论。

问候

标签： pythonpdfre

解决方案

在我看来，有两个问题：

a）您正在寻找nendobj，但 N 实际上是换行符的一部分\n。因此，您也不会在输出中获得前导 N，因为没有 N。

b）由于您要查找的文本跨越了一些换行符，因此您需要re.DOTALL标志

最终代码：

a = re.findall("endobj(.*?)W 3\.0",cadena, re.DOTALL)

另请注意，将会有第二个结果，由 Regex101 确认。

推荐阅读