schöner splitten? string.split() Frage

[christine]

Hallo Zusammen,

Bitte nochmal um eine "verschönerungs" Hilfe.

Ich lese ein Datum der Form aus: <DATUM>2008-08-08</DATUM>
Und dann möchte ich nur noch die Jahreszahl erhalten.
Das mache ich über split().
Siehe unten

Kann man das auch schöner "splitten" zum Beispliel alles auf einmal ?
Ich hab es versucht mit der Form: split('x'+'y').
Das hat nicht fuktioniert.

mercy, gruß, christine

Code: Alles auswählen

liste_datum = re.findall(r"<DATUM>.+</DATUM>",text)

for abfrageErgebnis in liste_datum:
            abfrageErgebnis = abfrageErgebnis.split('>')
            abfrageErgebnis = abfrageErgebnis[1].split('<')
            abfrageErgebnis = abfrageErgebnis[0]#gibt das Datum in diese Form aus: 2008-08-08
            abfrageErgebnis = abfrageErgebnis.split('-')
            abfrageErgebnis = abfrageErgebnis[0]#gibt das Datum in diese Form aus: 2008

[helduel]

Moin christine,

wenn du eh schon Reguläre Ausdrücke verwendest, dann lasst dir die Jahreszahl direkt zurückgeben:

Code: Alles auswählen

import re
text = """<DATUM>2008-08-08</DATUM>
<DATUM>2009-09-09</DATUM>"""
re.findall("<DATUM>(\d{4}).*</DATUM>", text)
# ['2008', '2009']

Gruß,
Manuel

[christine]

vielleicht könnte ich es mit einem regulären Ausdruck in der split Funktion versuchen...

Ich zerteile gerade einen string über entities:
wort.split('&auml;')

Das funktioniert.

Wenn ich jetzt statt auml; einen regulären Ausdruck einfüge, könnte es klappen.

Ich werde es nacher mal versuchen..
Bis dann, christine

[christine]

Hey Manuel,

hat sich gerade überschnitten.

Deine Lösung sieht auf jedenfall besser aus. Werde es so umsetzen.

Ich bin noch nicht so "drin" in der ganzen Geschichte und mache viele Sachen wohl etwas umständlich, komme aber noch nicht darauf wie es einfacher geht.

Also mercy schonmal

[cofi]

Mich beschleicht gerade das Gefühl, dass du eigentlich XML/HTML bearbeiten willst ...
Wenn dem so ist, benutze lieber Libs wie ElementTree/lxml.xml bzw lxml.html/BeatifulSoup. Das macht den Code bei weitem stabiler gegenüber RegExp.

[christine]

hi cofi,

ich möchte sgml Dateien durchsuchen und bestimmte Werte, so sie denn vorhanden sind, ausgeben. Und die Dateien dann dementsprechend sortieren.

Mit ElementTree kenn ich mich nicht aus.
Ich habe schonmal einen versuch gestartet das modul minidom (oder ähnlich..?!) zu benutzen.

Bin aber auch nicht weit gekommen.

Über einen Link auf eine schöne Doku würde ich mich freuen

grüße

[christine]

@ manuel:

huch, vor lauter geschreibe habe ich garnicht gesehen wie genial deine Lösung ist

cool, Dankeschön

[helduel]

@ manuel:

huch, vor lauter geschreibe habe ich garnicht gesehen wie genial deine Lösung ist

cool, Dankeschön

Naja, sagen wir fast. Folgendes ist besser, da performanter:

Code: Alles auswählen

re.findall("<DATUM>(\d{4}).*?</DATUM>", text)

Das Problem ist, dass ".*" greedy ist und immer sowie wie möglich matchen will. D. h., nach der ersten Jahreszahl sammelt ".*" alles ein, bis hin zum letzten "</DATUM>". Das macht er dann für jedes DATUM-Tag. Das ist natürlich unsinn. Wenn man aber ".*?" angibt, dann versucht er so wenig wie möglich zu matchen; bleibt also inerhalb der DATUM-Tags.

Gruß,
Manuel

[hendrikS]

Vielleicht mal so was probieren:

Code: Alles auswählen

string.strip("</DATUM>").split('-')[0]

Fuer so was reguläre Ausdruecke ist n'bisschen mit dem Schinken nach der Wurst geschmissen.

[christine]

@ manuel:

ah ja, dann werde ich das jetzt gleich nochmal verbessern

danke

[helduel]

Fuer so was reguläre Ausdruecke ist n'bisschen mit dem Schinken nach der Wurst geschmissen.

Nö. Genau für sowas sind Regexes da. Außerdem sieht man der Regex hier deutlich an, was geliefert wird und findet zudem alle Daten.

[cofi]

Na SGML und XML sind ja verwandt
Dokumentation zu Etree: http://docs.python.org/library/xml.etre ... ttree.html
Eventuell wirst du aber mit lxml glücklicher: http://codespeak.net/lxml/

[christine]

danke cofi,
werds mir mal durchsehen.

[Leonidas]

Na SGML und XML sind ja verwandt

Eher weniger. Das was gültiges SGML ist muss nichtmal valides XML sein. Ein einfaches Beispiel ist etwa das aus HTML 4 bekannte <IMG>-Tag, das in XHTML <img /> lauten muss. Und da gibt es noch Reihenweise Unterschiede, soweit dass kein einziger Browser einen SGML-Parser hat und ich bir gar nicht sicher bin ob es Parser gibt, die überhaupt alles was SGML erlaubt, parsen können.

[christine]

@Leonidas

deshalb bin ich mir auch nicht so sicher ob ich
die Libs und module von XML verwenden kann. Aber in die Doku reinschauen lohnt sich sicher, vielleicht steht da auch was zu sgml drin

XML ist ja eine Untermenge von SGML.

SGML war auch zuerst da und XML /HTML wurden daraus entwickelt.

soweit mein Wissen.

Grüße,
Christine

[Leonidas]

Python 2.x hat die sgmllib, aber man sollte da keinen vollständigen Parser erwarten.

Wenn du mit XML-Tools hinkommst ist das in Ordnung, ansonsten kannst du entweder reguläre Ausdrücke weiterverwenden (wenn es nicht allzu komplex ist, was du da vorhast) oder einen eigenen SGML-Parser schreiben bzw. gucken ob nicht jemand sowas schon gemacht hat. Ist allerdings dann aufwendiger - kein Wunder das SGML am aussterben ist.

[christine]

ah, ok, danke für die lib!
ja, klar ich schreibe mal kurz einen Parser
da muss ich glaub erst noch ein bischen länger hier surfen.

grüße,
Christine

[birkenfeld]

Vielleicht mal so was probieren:

Code: Alles auswählen

string.strip("</DATUM>").split('-')[0]

Das sieht mir sehr nach einem Missbrauch des Arguments von strip() aus.

[hendrikS]

Vielleicht mal so was probieren:

Code: Alles auswählen

string.strip("</DATUM>").split('-')[0]

Das sieht mir sehr nach einem Missbrauch des Arguments von strip() aus.

Bitte mal die Doku lesen, bevor Du so was schreibst!!

[birkenfeld]

Vielleicht mal so was probieren:

Code: Alles auswählen

string.strip("</DATUM>").split('-')[0]

Das sieht mir sehr nach einem Missbrauch des Arguments von strip() aus.

Bitte mal die Doku lesen, bevor Du so was schreibst!!

Du bist witzig, weißt du das?