萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網頁製作 >> HTML 腳本教學

Python 根據首尾標記提取中間字符串:index() 切片實現

核心函數

def extract_between(content, start_str, end_str):
    """返回 content 中 start_str 與 end_str 之間的子串,不含標記"""
    try:
        start_idx = content.index(start_str)
        # 移動到開始標記之後
        start_idx += len(start_str)
        end_idx = content.index(end_str, start_idx)  # 從 start_idx 開始找結束標記
        return content[start_idx:end_idx]
    except ValueError:
        return None  # 標記不存在

# 測試
html = '
jb51.net
' print(extract_between(html, '
', '
')) # jb51.net

進階:提取所有匹配段(非貪婪/多次出現)

def extract_all(content, start_str, end_str):
    results = []
    pos = 0
    while True:
        try:
            s = content.index(start_str, pos)
            s += len(start_str)
            e = content.index(end_str, s)
            results.append(content[s:e])
            pos = e + len(end_str)
        except ValueError:
            break
    return results

log = '[INFO] start [ERROR] fail [INFO] end'
print(extract_all(log, '[INFO] ', ' ['))
# ['start', 'end']

正則替代方案(更靈活)

import re

def extract_re(content, start_pat, end_pat):
    pattern = re.compile(re.escape(start_pat) + '(.*?)' + re.escape(end_pat), re.DOTALL)
    return pattern.findall(content)

# 同樣效果,支持正則元字符作為邊界

性能對比

import timeit
s = 'content' * 10000

print(timeit.timeit("extract_between(s, '', '')", globals=locals(), number=100))  # ~0.02s
print(timeit.timeit("extract_re(s, '', '')", globals=locals(), number=100))       # ~0.05s

簡單固定標記用 index() 切片最快;複雜邊界用正則。

copyright © 萬盛學電腦網 all rights reserved