提取字符串之间的字符串

-1

我想提取邮件地址包含在网站上的条目（并导出为CSV）。该页面被编码，使得超过400个包含地址的条目被分组到单个网络元素中，并且数据不能被自动刮取。地址出现在每个单个条目的两个相同的字符串之间。提取字符串之间的字符串

E.g.

“4pm to 9pm，12345 Main St，Seattle，WA，带上朋友！

来源

2017-10-16 user8786729

1.什么是那些字符串（'地址出现在每个单个条目的两个相同的字符串之间'） 2.你有没有尝试过一些东西？ – user2887596

1.例子？ 2.做了什么（代码）？ 3.你遇到了什么问题？ – 0andriy

是的，我已经花了几个小时在RegEx试图派生一个表达式来做到这一点 - 没有骰子。我对HTML，RegEx和Java的知识极其有限，尽管我花了相当多的时间试图获得今天上午需要的东西。 – user8786729

您可以使用正则表达式来实现这一点。您没有提供任何有关您将使用的程序语言的详细信息，因此我只会涵盖正则表达式部分（然后您可以对如何使用您的首选语言进行研究 - 几乎所有语言都提供了极大的支持常用表达）。

让我们字符串

“下午4点至晚上9点，12345 MAIN ST，西雅图，华盛顿，带朋友！”

使用正则表达式来提取你想要的字符串的一部分：

/^4pm to 9pm, ([A-Za-z0-9, ]+), Bring friends\!$/

可以调整来参加你的需要（只提供字符串的1个样品，其他样品可以影响结果）。尝试在regex101.com

UPDATE：

基础上的评论，你可以使用正则表达式，如：

/pm\n([A-Za-z0-9, ]+)\nInstructors/

您应该修改字符类（可以出现在地址的字符）。我已经在regex101.com上进行了测试，并且它适用于您在评论中提供的示例。

来源

2017-10-16 21:21:04 BigBlast

我尝试将其转换为实际的字符串，但它不起作用。以下是其中一个实际参赛作品的剪辑： “2017年10月12日星期四下午4点至晚上9点nEagle住房抵押贷款，1110学院圣SE Ste C雷西\ n指示：Kirk D.，Lacey \ n和Sarah，Weichert房地产经纪人 - 奥林匹亚\ n请注意：如需预订致电或发邮件给homebuyerclasswa @。请带上麻袋午餐，需要预约，座位有限，提供茶点。“ **所有地址介于“pm \ n”和“\ nInstructors”之间** – user8786729

太棒了，明白了。谢谢你帮助noob。 :) – user8786729

最后一件事：可以调整表达式来放弃“pm \ n”和“\ nInstructors”？现在，它正在提取地址和相邻的字符串。 – user8786729

提取字符串之间的字符串

回答

相关问题