蟒蛇搜索标签

Question

我需要帮助python编程： 我需要一个命令，可以搜索文本文件中标签之间的所有单词。例如 在文本文件中有<concept> food </concept>。我需要搜索<concept>和</concept>之间的所有单词并显示它们。 任何人都可以帮忙.......

Answer 1

1. 将文本文件加载到一个字符串中。
2. 使用pos2 = s.find('</concept>', pos1)

你所寻求的话是那么s[pos1+len('<concept>'):pos2]

Answer 2

看一看正则表达式搜索使用pos1 = s.find('<concept>')

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

如果你想有例如标签<i>，尝试

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

这里有一个简短的说明的findall是如何工作的：它看起来对于一个给定的正则表达式给出的字符串中。正则表达式是<i>(.*?)</i>：

• <i>表示刚开始标记<i>
• (.*?)创建组和匹配尽可能直到它的第一
• </i>，其总结了标签

请注意，上述解决方案没有类似于

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

既然你只是想提取单词。

但是，当然也可以这样做：

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

Answer 3

没有为HTML/XML一个伟大的图书馆中横过命名BeautifulSoup。有了它：

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