蟒蛇搜索標籤

Question

我需要幫助python編程： 我需要一個命令，可以搜索文本文件中標籤之間的所有單詞。例如 在文本文件中有<concept> food </concept>。我需要搜索<concept>和</concept>之間的所有單詞並顯示它們。 任何人都可以幫忙.......

Answer 1

1. 將文本文件加載到一個字符串中。
2. 使用pos2 = s.find('</concept>', pos1)

你所尋求的話是那麼s[pos1+len('<concept>'):pos2]

Answer 2

看一看正則表達式搜索使用pos1 = s.find('<concept>')

搜索<concept>中第一次出現的字符串</concept>。 http://docs.python.org/library/re.html

如果你想有例如標籤<i>，嘗試

text = "text to search. <i>this</i> is the word and also <i>that</i> end" 
import re 
re.findall("<i>(.*?)</i>",text) 

這裏有一個簡短的說明的findall是如何工作的：它看起來對於一個給定的正則表達式給出的字符串中。正則表達式是<i>(.*?)</i>：

• <i>表示剛開始標記<i>
• (.*?)創建組和匹配儘可能直到它的第一
• </i>，其總結了標籤

請注意，上述解決方案沒有類似於

<i> here's a line 
break </i> 

既然你只是想提取單詞。

但是，當然也可以這樣做：

re.findall("<i>(.*?)</i>",text,re.DOTALL) 

Answer 3

沒有爲HTML/XML一個偉大的圖書館中橫過命名BeautifulSoup。有了它：

from BeautifulSoup import BeautifulStoneSoup 
soup = BeautifulStoneSoup(open('myfile.xml', 'rt').read()) 
for t in soup.findAll('concept'): 
    print t.string