als absoluter Python-Neuling hoffe ich, dass ich hier eine valide Antwort bekomme.
Folgendes:
Habe eine txt.datei mit relativ viel Inhalt und möchte aus dieser Daten via Python selektieren, speichern und anschließend weiterverarbeiten.
Dateiinhalt sieht in etwa so aus:
<id>09212</id><onlinefrom>08.07.2020</onlinefrom><<title>Test Datei</title><longtitle>Test Datei 11.11.2021</longtitle><referenceid>DE-63636</referenceid><city>Berlin</city> ---- usw. es sind auch URLs in der Datei.
Konkret geht es um die Daten zwischen <longtitle> und </longtitle> sowie <city> und </city> - möchte aber die Flexibilität, auch alle anderen Daten zwischen < > und </ > auszuwerten.
Hab hier nun schon einiges ausprobiert (z. B. über pandas, regex, etc.), Videos dazu angeschaut, hier im Forum recherchiert und auch Google ausgequetscht - leider habe ich keine passende Lösung gefunden.
Dann hatte ich diverse Ansätze gefunden:
Code: Alles auswählen
with open('mod.txt') as text_file:
text = text_file.read()
text = re.search("<city>\.(.*?)</city>", text)
print(repr(text))Code: Alles auswählen
m = re.compile("<city>[\w]*</city>")
for test in tests:
print(test)
#finde alle (hier nicht notwendig)
iterator = re.finditer(m,test)
for match in iterator:
t = match.span()
print(t)
print(test[t[0]+4:t[1]-4])Hoffe, ihr könnt mir hier weiterhelfen? Dachte, dass es evtl. daran liegt, dass "title" in unterschiedlichen Schreibweisen mehrfach vorkommt oder eben auch, dass der Text sowohl, str und int enthält?