在python中提取特定文本

时间:2013-07-19 05:40:36

标签: python python-2.7 python-3.x

从以下文本文件中,如何将每行所需的字符集提取到python中的列表中?所需字符为“仅需要1.JPG”,“仅需要2.JPG”,“仅需要3.JPG”。所以结果应该是:

result = ['ONLY REQUIRED1.JPG', 'ONLY REQUIRED2.JPG', 'ONLY REQUIRED3.JPG']


x'<xxx "-//xxx//xxxx//xx">\n<ggg>\n <kkk>\n  <title>asdf asdf/xx/aaa.xxx/bbb.bb.cc</asdf>\n </head>\n <body>\n<pre>\ndhh\n</pre>\n<pre><img src="/icons/blank.gif" alt="Icon "> <a href="?C=N;O=D">Name</a>                                    alt="[DIR]"> <a href="/asdf/kkkk.xxx/">Parent Directory</a>                                                        \n<img src="/lllll/ttt.gif" alt="[IMG]"> \n <a href="ONLY_REQUIRED1.JPG">ertwe</a> \n href="ONLY_REQUIRED2.JPG">x'<xxx "-//xxx//xxxx//xx">\n<ggg>\n <kkk>\n  <title>asdf asdf/xx/aaa.xxx/bbb.bb.cc</asdf>\n </head>\n <body>\n<pre>\ndhh\n</pre>\n<pre><img src="/icons/blank.gif" alt="Icon "> <a href="?C=N;O=D">Name</a> \n href="ONLY_REQUIRED3.JPG">ertwe</a>

1 个答案:

答案 0 :(得分:0)

我会这样做

import re
my_text = open("some.html").read()
my_list = re.findall("ONLY_REQUIRED\d.JPG",my_text)
print my_list

这使用正则表达式。它正在寻找以“ONLY_REQUIRED”开头的任何内容,后跟一个数字,然后以“.JPG”结尾