Question

是否有机会从以下原始字符串中获取城市名称而无需进行大量迭代？

'\nSegelbåt \n\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\
t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\tÄlvsborg\n\t\t\t\t\t\t\t\t
\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t'

'\nSegelbåt \n\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\n\t\t\t\t
\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\tÄlvsborg\n\t\t\t\
t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t', 

'\nButik\nSegelbåt \n\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\tStockholm\n\t\t\t\t\
t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\n\t\
t\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t'

需要获得Älvsborg，Stockholm等城市名称，即城镇。名称会有所不同

函数在迭代中已经很繁重，因此最好使用构建或附加函数/方法。

还可以采用以下格式获取它们：


SegelbåtÄlvsborg
ButikSegelbåtStockholm
ButikSegelbåtStockholm
SegelbåtJönköping
SegelbåtGöteborg
ButikSegelbåtGöteborg
ButikSegelbåtGöteborg
SegelbåtSkaraborg
SegelbåtStockholm
SegelbåtStockholm
SegelbåtHalland
SegelbåtStockholm
ButikSegelbåtHelsingborg
SegelbåtStockholm
ButikSegelbåtKalmar
SegelbåtGöteborg
ButikSegelbåtGöteborg
ButikSegelbåtÖstergötland
ButikSegelbåt
ButikSegelbåtGöteborg
ButikSegelbåtGöteborg
ButikSegelbåtGöteborg
ButikSegelbåtGöteborg
SegelbåtStockholm
ButikSegelbåtHelsingborg
SegelbåtKalmar
SegelbåtGöteborg

这不会使工作变得容易。

谢谢！

p.s。我可以在FOR循环中将字母和带遮罩的符号分开：

letters = ''.join(filter(lambda x: False if x.isspace() else True,
                                     place.get_text()

然后，我仍然需要以某种方式分隔城市名称...

Answer 1

您可以使用re.sub一步完成此操作：

import re
text = """\nSegelbåt \n\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t
\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\tÄlvsborg\n\t\t\t\t\t\t\t\t
\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t
"""

v = re.sub(r'\s', '', text)
print(v)

输出：

SegelbåtÄlvsborg

Answer 2

您可以只使用str.split：

In [1]: s = '\nSegelbåt \n\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\tÄlvsborg\n\t\t\t\t\t\t\t\t\
  ... t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t'

In [2]: s.split()  # when called with no argument it splits on all whitespace
Out[2]: ['Segelbåt', 'Älvsborg']

城市名称似乎是最后一个元素：

In [3]: s.split()[-1]
Out[3]: 'Älvsborg'

您似乎正在使用BeautifulSoup解析HTML。您可能会发现直接选择适当的元素而不是解析.get_text()产生的内容会更容易。

使用带遮罩的simbols，python过滤原始字符串

2 个答案: