Извлечение текста

@Rodmistar · Регистрация: 07.05.2014

Студворк — интернет-сервис помощи студентам

У меня есть файл в котором идет сайт, а потом текст, как извлечь текст. Адрес сайта у меня получилось извлечь. Мне необходимо это записать в excel файл по столбцам в первом адрес во втором текст. Подскажите как вытащить текст.
Так извлекаю адреса сайта

Python
1
for line in re.findall("(?P<url>https?://[^\s]+)", txt, re.MULTILINE):

@Vigi · 30.04.2019, 05:04

образец файла можно увидеть?

@Rodmistar · 30.04.2019, 05:35 **[ТС]**

Вот

@Rodmistar · 30.04.2019, 19:12 **[ТС]**

Vigi, есть идеи?

Добавлено через 5 часов 54 минуты
Помогите кто может

@tooru · 30.04.2019, 19:34

Просто читать текст если начинается не с https, то считать описанием

@Garry Galler · 30.04.2019, 20:00

Сообщение от Rodmistar

Подскажите как вытащить текст

Чего там вытаскивать? Url - нечетная строка, описание - четная (или наоборот - не имеет значения).

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
s = "url1\n\ntext1\n\nurl2\n\ntext2\n\nurl3\n\ntext3"
# это исходное представление
'''
url1
 
text1
 
url2
 
text2
 
url3
 
text3
'''
 
lines = s.split("\n\n")  # делим строки по переносам
it = [iter(lines)] *  2   # создаем два итератора для чтения со смещением на одну строку
 
with open('12345.csv', "w", newline='') as csv_file:
    writer = csv.writer(csv_file, delimiter=',')
    writer.writerow(['url','text']) # имена полей 
    for row in zip(*it):
        writer.writerow(row)

Code
1
2
3
4
url,text
url1,text1
url2,text2
url3,text3

P.S. Делать табличку в excel мне лень - поэтому csv.

@Rodmistar · 01.05.2019, 06:54 **[ТС]**

Вот версия кода хорошая, но у меня такая ситуация что я этот текст беру с .docx файла и там после ссылки может идти несколько абзацев.

Добавлено через 18 секунд
Есть может ещё идеи

@Garry Galler · 01.05.2019, 14:04

Сообщение от Rodmistar

я этот текст беру с .docx файла

Тогда зачем прикрепили txt? Между txt и docx - дистанции огромного размера.
Не нужно тратить чужое время выкладывая неверные исходные данные.

@Rodmistar · 01.05.2019, 14:25 **[ТС]**

Garry Galler, я просто как пример выложил, из docx получил и записал в txt. Вот и все

@Garry Galler · 01.05.2019, 14:37

Rodmistar,
Вы привели пример в котором строчки идут последовательно - через одну пробельную строку. Этот вариант легко прочитать\распарсить моим способом и далее куда-то записать.
Но если, как вы говорите, в реальном файле такая последовательность не соблюдается, тогда вам сложно помочь и ваш приложенный файл не дает никакой возможности что-то вам посоветовать.

P.S. Всегда выкладывайте как можно более полный пример данных и как можно подробнее поясняйте их структуру.

@Rodmistar · 01.05.2019, 15:39 **[ТС]**

Garry Galler, а если регулярными выражениями ?

Добавлено через 37 секунд
Мне посоветовали так сделать
text = "Ссылка текс Ссылка"

text_without_links = re.findall(
r'(?<=первая ссылка).*?(?=вторая ссылка)', text)

Новые блоги и статьи Все статьи Все блоги /
SDL3 для Web (WebAssembly): Реализация движения на Box2D v3 - трение и коллизии с повёрнутыми стенами 8Observer8 20.02.2026 Содержание блога Box2D позволяет легко создать главного героя, который не проходит сквозь стены и перемещается с заданным трением о препятствия, которые можно располагать под углом, как верхнее. . .	Конвертировать закладки radiotray-ng в m3u-плейлист damix 19.02.2026 Это можно сделать скриптом для PowerShell. Использование . \СonvertRadiotrayToM3U. ps1 <path_to_bookmarks. json> Рядом с файлом bookmarks. json появится файл bookmarks. m3u с результатом. # Check if. . .	Семь CDC на одном интерфейсе: 5 U[S]ARTов, 1 CAN и 1 SSI Eddy_Em 18.02.2026 Постепенно допиливаю свою "многоинтерфейсную плату". Выглядит вот так: https:/ / www. cyberforum. ru/ blog_attachment. php?attachmentid=11617&stc=1&d=1771445347 Основана на STM32F303RBT6. На борту пять. . .	Камера Toupcam IUA500KMA Eddy_Em 12.02.2026 Т. к. у всяких "хикроботов" слишком уж мелкий пиксель, для подсмотра в ESPriF они вообще плохо годятся: уже 14 величину можно рассмотреть еле-еле лишь на экспозициях под 3 секунды (а то и больше),. . .
И ясному Солнцу zbw 12.02.2026 И ясному Солнцу, и светлой Луне. В мире покоя нет и люди не могут жить в тишине. А жить им немного лет.	«Знание-Сила» zbw 12.02.2026 «Знание-Сила» «Время-Деньги» «Деньги -Пуля»	SDL3 для Web (WebAssembly): Подключение Box2D v3, физика и отрисовка коллайдеров 8Observer8 12.02.2026 Содержание блога Box2D - это библиотека для 2D физики для анимаций и игр. С её помощью можно определять были ли коллизии между конкретными объектами и вызывать обработчики событий столкновения. . . .	SDL3 для Web (WebAssembly): Загрузка PNG с прозрачным фоном с помощью SDL_LoadPNG (без SDL3_image) 8Observer8 11.02.2026 Содержание блога Библиотека SDL3 содержит встроенные инструменты для базовой работы с изображениями - без использования библиотеки SDL3_image. Пошагово создадим проект для загрузки изображения. . .

Извлечение текста

Решение

Решение

@Vigi 641 / 481 / 179 Регистрация: 28.05.2012 Сообщений: 1,419
	30.04.2019, 05:04
	образец файла можно увидеть? 0

@Rodmistar 4 / 4 / 2 Регистрация: 07.05.2014 Сообщений: 489
	30.04.2019, 19:12 [ТС]
	Vigi, есть идеи? Добавлено через 5 часов 54 минуты Помогите кто может 0

@tooru 1293 / 677 / 367 Регистрация: 07.01.2019 Сообщений: 2,302
	30.04.2019, 19:34
	Сообщение было отмечено Rodmistar как решение Решение Просто читать текст если начинается не с https, то считать описанием 0

@Rodmistar 4 / 4 / 2 Регистрация: 07.05.2014 Сообщений: 489
	01.05.2019, 06:54 [ТС]
	Вот версия кода хорошая, но у меня такая ситуация что я этот текст беру с .docx файла и там после ссылки может идти несколько абзацев. Добавлено через 18 секунд Есть может ещё идеи 0

@Rodmistar 4 / 4 / 2 Регистрация: 07.05.2014 Сообщений: 489
	01.05.2019, 14:25 [ТС]
	Garry Galler, я просто как пример выложил, из docx получил и записал в txt. Вот и все 0

@Garry Galler 5438 / 3859 / 1215 Регистрация: 28.10.2013 Сообщений: 9,552 Записей в блоге: 1
	01.05.2019, 14:37
	Rodmistar, Вы привели пример в котором строчки идут последовательно - через одну пробельную строку. Этот вариант легко прочитать\распарсить моим способом и далее куда-то записать. Но если, как вы говорите, в реальном файле такая последовательность не соблюдается, тогда вам сложно помочь и ваш приложенный файл не дает никакой возможности что-то вам посоветовать. P.S. Всегда выкладывайте как можно более полный пример данных и как можно подробнее поясняйте их структуру. 0

@Rodmistar 4 / 4 / 2 Регистрация: 07.05.2014 Сообщений: 489
	01.05.2019, 15:39 [ТС]
	Garry Galler, а если регулярными выражениями ? Добавлено через 37 секунд Мне посоветовали так сделать text = "Ссылка текс Ссылка" text_without_links = re.findall( r'(?<=первая ссылка).*?(?=вторая ссылка)', text) 0