使用正则表达式避免使用特殊字符

Question

我正在编写一个Python脚本来从PDF用户pyPdf中提取元数据。

输出是这样的：

{'/Subject': u'Presentation from the 2011 Water Program Peer Review',
 '/Producer': u'Mac OS X 10.7.2 Quartz PDFContext', 
 '/Creator': u'PowerPoint', 
 '/ModDate': u"D:20120109085812-07'00'", 
 '/Keywords': u'', 
 '/Title': u'Wind Wave Float', 
 '/CreationDate': 'D:20111030043455Z'}

我只需要title和subject字段，因此打印输出最好是：

Wind Wave Float，来自...的演示

因此，我可以轻松地将数据输入电子表格。

任何人都可以帮我一些正则表达式吗？我似乎无法弄清楚如何在输出中使用所有奇怪的字符来完成它。

感谢。

Answer 1

您正在查看的输出是字典，因此您想要的信息已经可用。 ＆＃39; u＆＃39;您在输出字典中看到的字符串表示该字符串是Unicode格式。

我认为，实现将信息输入电子表格的目标的简单方法是在脚本中添加以下内容：

（在Python 2.x中）：

print outputdict['/Title'] + ", " + outputdict['/Subject']

这将为您提供输出：

Wind Wave Float, Presentation from...

（将上面的outputdict替换为提供你已经粘贴在你的问题中的字典输出的任何对象）

Answer 2

尝试：

(?i)((?<=subject': u')[^']+|(?<=title': u')[^']+)

此正则表达式将匹配来自

的Presentation from the 2011 Water Program Peer Review和Wind Wave Float

{'/Subject': u'Presentation from the 2011 Water Program Peer Review', '/Producer': u'Mac OS X 10.7.2 Quartz PDFContext', '/Creator': u'PowerPoint', '/ModDate': u"D:20120109085812-07'00'", '/Keywords': u'', '/Title': u'Wind Wave Float', '/CreationDate': u'D:20111030043455Z'}

它基本上匹配subject': u'或/Title': u'之后的任何不是'的内容。

Answer 3

试试这个正则表达式：

'/(Subject|Title)':\s+u('[^']+'|"[^"]+")(?=, )

描述

演示

https://www.debuggex.com/r/k78fFPfoaOofugig