使用Python提取特定分隔符包裹的指定位置字符串的实现方法

核心思路 #

你需要的「第N对特定字符包裹的字符串」，本质是将原始字符串按对应分隔符拆分，取拆分后列表中对应位置的元素即可。注意默认计数从1开始，若要从0开始计数可自行调整索引偏移

通用提取函数 #

你可以先写一个可复用的提取函数：

def get_nth_segment(raw_str: str, separator: str, nth: int) -> str:
    # 按指定分隔符拆分字符串
    segments = raw_str.split(separator)
    # 校验位置合法性，nth从1开始计数因此索引要减1
    if 1 <= nth < len(segments):
        return segments[nth]
    # 位置不合法返回空字符串，也可自定义报错逻辑
    return ""

效果验证 #

以你给出的示例字符串5d:6g:9h:5t:7a:45;33:12:5B:9J;70;9C;89;85:4B:38:16:9B:45:56:85:为例：

• 取第3对;中间的内容：调用get_nth_segment(示例串, ';', 3)，返回结果70
• 取第15对:中间的内容：调用get_nth_segment(示例串, ':', 15)，返回结果56

整合到现有代码的完整实现 #

你当前的代码是从zip压缩包读取txt文件，注意读取到的行是bytes类型，需要先解码为字符串再处理：

import zipfile

def get_nth_segment(raw_str: str, separator: str, nth: int) -> str:
    segments = raw_str.split(separator)
    if 1 <= nth < len(segments):
        return segments[nth]
    return ""

arq = zipfile.ZipFile('DSts.zip')

for file in arq.namelist():
    print(f"当前处理文件：{file}")
    f = arq.open(file) 
    lines = f.readlines()
    for line in lines:
        # bytes转字符串，默认用utf-8，遇到乱码可替换为gbk尝试
        line_str = line.decode('utf-8').strip()
        # 提取第10对;中间的内容
        res_semicolon = get_nth_segment(line_str, ';', 10)
        # 提取第15对:中间的内容
        res_colon = get_nth_segment(line_str, ':', 15)
        # 结果输出，可按需修改为存储逻辑
        if res_semicolon:
            print(f"第10对分号包裹内容：{res_semicolon}")
        if res_colon:
            print(f"第15对冒号包裹内容：{res_colon}")

注意事项 #

如果你的文本中包含HTML标签（比如示例里的<p>、<code>），可以先通过字符串替换把标签内容清空，再做拆分处理即可。

内容的提问来源于stack exchange，提问作者Elle Oliver