Python提取指定区间字符串：跳过首个OP取第二个OP间内容

问题描述 #

需要从文本20231006-OPUS solution _ cfhs0230.22d OP1696574785263-792.txt中提取cfhs0230.22d。尝试了以下Python代码，但因文本存在两个“OP”，当前代码取的是首个OP，无法得到目标内容。需求为跳过首个“OP”，提取“-”和第二个“OP”之间的字符串。

尝试的代码 #

mystr = "20231006-OPUS solution _ cfhs023 OP1696574785263-792"
sub1 = "-"
sub2 = "OP"  #this has to be second OP
idx1 = mystr.index(sub1)
idx2 = mystr .index(sub2)
print(idx1+ len(sub1) + 1,idx2)
for nx in range(idx1+ len(sub1) + 1,idx2):
    print(nx)

解决方法 #

方法一：指定查找起始位置 #

利用str.index()的第二个参数，从第一个“OP”的下一个位置开始查找第二个“OP”，再提取目标内容：

mystr = "20231006-OPUS solution _ cfhs0230.22d OP1696574785263-792.txt"
sub1 = "-"
sub2 = "OP"

# 获取第一个"-"的索引
dash_idx = mystr.index(sub1)
# 获取第一个"OP"的索引
first_op_idx = mystr.index(sub2)
# 从第一个"OP"之后开始找第二个"OP"的索引
second_op_idx = mystr.index(sub2, first_op_idx + len(sub2))

# 提取并去除前后多余空格
target = mystr[dash_idx + len(sub1):second_op_idx].strip()
print(target)  # 输出: cfhs0230.22d

方法二：正则表达式匹配 #

用正则表达式精准定位目标内容，适合更复杂的文本结构：

import re

mystr = "20231006-OPUS solution _ cfhs0230.22d OP1696574785263-792.txt"
# 正则规则：匹配"-"后跳过首个OP相关内容，捕获第二个OP前的目标字符串
pattern = r'-.*?OP.*?\s+(.*?)\s+OP'
match_result = re.search(pattern, mystr)

if match_result:
    print(match_result.group(1))  # 输出: cfhs0230.22d

内容的提问来源于stack exchange，提问作者Sagar Rawal