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 /
Thinkpad X220 Tablet — это лучший бюджетный ноутбук для учёбы, точка. Programma_Boinc 23.12.2025 Thinkpad X220 Tablet — это лучший бюджетный ноутбук для учёбы, точка. Рецензия / Мнение/ Перевод https:/ / **********/ gallery/ thinkpad-x220-tablet-porn-gzoEAjs . . .	PhpStorm 2025.3: WSL Terminal всегда стартует в ~ and_y87 14.12.2025 PhpStorm 2025. 3: WSL Terminal всегда стартует в ~ (home), игнорируя директорию проекта Симптом: После обновления до PhpStorm 2025. 3 встроенный терминал WSL открывается в домашней директории. . .	Как объединить две одинаковые БД Access с разными данными VikBal 11.12.2025 Помогите пожалуйста !! Как объединить 2 одинаковые БД Access с разными данными.	Новый ноутбук volvo 07.12.2025 Всем привет. По скидке в "черную пятницу" взял себе новый ноутбук Lenovo ThinkBook 16 G7 на Амазоне: Ryzen 5 7533HS 64 Gb DDR5 1Tb NVMe 16" Full HD Display Win11 Pro	Музыка, написанная Искусственным Интеллектом volvo 04.12.2025 Всем привет. Некоторое время назад меня заинтересовало, что уже умеет ИИ в плане написания музыки для песен, и, собственно, исполнения этих самых песен. Стихов у нас много, уже вышли 4 книги, еще 3. . .
От async/await к виртуальным потокам в Python IndentationError 23.11.2025 Армин Ронахер поставил под сомнение async/ await. Создатель Flask заявляет: цветные функции - провал, виртуальные потоки - решение. Не threading-динозавры, а новое поколение лёгких потоков. Откат?. . .	Поиск "дружественных имён" СОМ портов Argus19 22.11.2025 Поиск "дружественных имён" СОМ портов На странице: https:/ / norseev. ru/ 2018/ 01/ 04/ comportlist_windows/ нашёл схожую тему. Там приведён код на С++, который показывает только имена СОМ портов, типа,. . .	Сколько Государство потратило денег на меня, обеспечивая инсулином. Programma_Boinc 20.11.2025 Сколько Государство потратило денег на меня, обеспечивая инсулином. Вот решила сделать интересный приблизительный подсчет, сколько государство потратило на меня денег на покупку инсулинов. . . .	Ломающие изменения в C#.NStar Alpha Etyuhibosecyu 20.11.2025 Уже можно не только тестировать, но и пользоваться C#. NStar - писать оконные приложения, содержащие надписи, кнопки, текстовые поля и даже изображения, например, моя игра "Три в ряд" написана на этом. . .	Мысли в слух kumehtar 18.11.2025 Кстати, совсем недавно имел разговор на тему медитаций с людьми. И обнаружил, что они вообще не понимают что такое медитация и зачем она нужна. Самые базовые вещи. Для них это - когда просто люди. . .

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: 2,300
	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