Как изъять нужные значения из текста?

Question

[Magic Code]

Мне надо из строки изъять все UPC и Model, и добавить в список, т.е. чтобы в списке было так: ['UPC: 086279034038' , 'Model:FCT22-30HNS '].

Вот код:

import re

page_content = []

page_text = ' 
12" Non-Stick Skillet  
with Helper Handle
Model: FCT22-30HNS 
UPC: 086279034182 
Case Pack: 4
5½ Qt. Sauté Pan with Cover
Model: FCT33-28H 
UPC: 086279034038 
Case Pack: 4
8" Skillet
Model: FCT22-20 
UPC: 086279034007
' 

page_content = re.findall(r'Model^[0-9]+', page_text)
print(page_content)

Подскажете, как правильно написать регулярку?

Comments

[Magic Code]

VicTHOR, точно! Блин, мне еще надо и UPC изъять, вот я на него смотрю и пишу!

Answer 1

[Алан Гибизов]

Может, без регулярки обойтись?
Я ничего не имею против, но не вижу - зачем.

page_content = []
page_text = '''
12" Non-Stick Skillet  
with Helper Handle
Model: FCT22-30HNS 
UPC: 086279034182 
Case Pack: 4
5½ Qt. Sauté Pan with Cover
Model: FCT33-28H 
UPC: 086279034038 
Case Pack: 4
8" Skillet
Model: FCT22-20 
UPC: 086279034007
'''
for line in page_text.splitlines():
    if 'Model:' in line:
        page_content.append(line)
print(page_content)

['Model: FCT22-30HNS ', 'Model: FCT33-28H ', 'Model: FCT22-20 ']

Comments

[Сергей Карбивничий]

Некоторые люди, сталкиваясь с проблемой, думают: "Я знаю, я буду использовать регулярные выражения". Теперь у них две проблемы.

[Алан Гибизов]

Сергей Карбивничий, признаться, мне регулярки нравятся чем-то. Есть в них какая-то магия.
Но Вы правы - проблем они могут добавить легко и непринужденно. И к тому же они плохо читабельны и порой очень контринтуитивны, что совсем не Python-way.

[Magic Code]

Алан Гибизов, Алан, спасибо большое, работает)Я думал с регуляркой будет проще)

[Алан Гибизов]

Magic Code, хорошо. Что не так? Чем вам не нравится вариант с if x in y? Могут быть больше двух вариантов? Не хочется их хардкодить? Ну можно перебирать список искомых значений, у вас ведь не критичная к микросекундам и ресурсам система?

[Magic Code]

Алан Гибизов, Алан, подскажите, а как добавлять и Model и UPC сразу?

[Алан Гибизов]

Magic Code, регулярку, если хотите, можно сочинить. Но будет ни красиво, ни гибко, и потом если что сидеть морщить лоб над забытой регуляркой - что ж я там блин подразумевал?

[Magic Code]

Алан Гибизов, через elif?

[Алан Гибизов]

Magic Code,

patterns = ['Model', 'UPC']
page_content = []
page_text = '''
12" Non-Stick Skillet  
with Helper Handle
Model: FCT22-30HNS 
UPC: 086279034182 
Case Pack: 4
5½ Qt. Sauté Pan with Cover
Model: FCT33-28H 
UPC: 086279034038 
Case Pack: 4
8" Skillet
Model: FCT22-20 
UPC: 086279034007
'''
for line in page_text.splitlines():
    if ':' in line:
        if line.split(':')[0] in patterns:
            page_content.append(line)
print(page_content)

[Magic Code]

Алан Гибизов, Спасибо огромное!

[Алан Гибизов]

Magic Code, можно через elif, но негибко, не расширяемо, не красиво. Мой вариант тоже не шедевр, и там еще можно подровнять, но двигаться лучше в этом направлении.

[Алан Гибизов]

Magic Code, если это не для баловства, а для дела, то там надо добавить кучу проверок дополнительных. Не известно, какие будут правые части - вдруг в них встретятся еще двоеточия? Вдруг слово Model будет с маленькой буквы? Или не должно быть с маленькой буквы? Или там пробел будет? Но в первом приближении так должно работать.

[Magic Code]

Алан Гибизов, да мне это надо для работы. Суть в том, чтобы из pdf файла вытаскивать все model и upc!) Но вроде, работает! Названия, пока не надо доставать.Я могу Вам на почту кинуть Pdf file, если интересно)

[Алан Гибизов]

Magic Code, а потом с ними что делать? Если не секрет.

[Magic Code]

Алан Гибизов, Не секрет, я буду добавлять их в exсel file с помощью модуля xlsxwriter.

[Алан Гибизов]

Magic Code, ну, если оно больше в python обрабатываться не будет, а дальше будете смотреть глазами или обрабатывать excel, то наверно и так сойдет...

[Magic Code]

Алан Гибизов, Вот и здорово!)Еще раз спасибо! Да, скажите на по следок, пожалуйста, когда стоит использовать регулярки, то?

[Алан Гибизов]

Magic Code, ну, я бы их использовал в тех случаях, когда:
есть очень стандартные четко определенные строки, которые надо разбить на много фрагментов по очень разным признакам. И если надо эти строки разобрать на много специфических кусочков, то через re.findall можно в принципе разбить по весьма экзотическим признакам; и получить сразу из каждой строки разбиваемого массива строк - отдельный список или даже словарь.
Ну, например, если у меня идут однотипные строки, в которой по порядку идут модель, код, название, цена, то-сё... И когда эти данные разделены так, что split-ом их делить не очень удобно, потому что получается гирлянда этих split один за другим, то можно сделать одной регуляркой.
Но не в продакшене, а так... если на коленке что-то ваяю.

Еще в принципе можно сделать в проекте генератор паттернов для регулярок, но это надо очень любить регулярки :)

Answer 2

[sswwssww]

import re

pattern = r'Model:.*|UPC:.*'

text = '''12" Non-Stick Skillet  
        with Helper Handle
        Model: FCT22-30HNS 
        UPC: 086279034182 
        Case Pack: 4
        5½ Qt. Sauté Pan with Cover
        Model: FCT33-28H 
        UPC: 086279034038 
        Case Pack: 4
        8" Skillet
        Model: FCT22-20 
        UPC: 086279034007'''

print(re.findall(pattern, text))

вывод:

['Model: FCT22-30HNS ', 'UPC: 086279034182 ', 'Model: FCT33-28H ', 'UPC: 086279034038 ', 'Model: FCT22-20 ', 'UPC: 086279034007']

Comments

[Magic Code]

Спасибо!)

[sswwssww]

Magic Code, не за что : )
Вот хороший сайт для проверки регулярок:
https://regex101.com/