如何获取字符串在文本中的位置？

[kenbeyond]

我是一个新手

我想处理一个Txt文件，这个txt文件里面有5篇文章，每篇文章的标题开始处都有一个记号，比如“标题：”

现在我想做的就是获取这些“标题：”的位置，并获取其后的标题名称

然后将这些标题的位置与名称写入另外一个txt文件中

其中标题位置是指“标题：”之前所有字符的数量，包括标点。

能否给点提示？

谢谢了

[DDGG]

可以使用正则表达式对具有“标题：”的特征行进行搜索，找到匹配项时便可连“标题”的位置以及其后的标题名称一并获得。

比如用Perl来写可能就象这样：

$m ~= /^(.*?)标题：(.*?)$//mig;

[kenbeyond]

网上搜了一下，好像可以用正则表达式？
re.split()可以返回一个列表？
具体怎么用呢？
我是说，是不是要一行一行处理？还是可以对整个文件进行处理？

实在是很菜。。

[kenbeyond]

谢谢叮叮当当

不过我希望是用python，因为刚搭建好python环境

[kenbeyond]

谢谢，但是还是有一个问题
就是我要的位置不是单指从这一行开始的位置，而是从文章开始到这个位置时所有字符的长度
不知道这样能不能用正则？

还是说
for line in open("1.txt")
这样逐行查找过去并对字符进行计数？

不知道这样是不是很笨？

[DDGG]

#coding: gbk
import re

s = """编号：QA003762 标题：怎么才能使程序一启动就隐藏窗口
建立日期: 2001年1月14日 最后修改日期：2001年6月19日 
所属类别：C/C++ - 窗体与菜单


编号：QA009406 标题：如何获取字符串在文本中的位置？
建立日期: 2009年4月16日 最后修改日期：2001年6月19日 
所属类别：脚本语言（Perl ，Python）
"""

m = re.findall("^(.*?)标题：(.*?)$", s, re.M)
print m
for left, right in m:
	print len(left), right

读入文件到变量s：
s = file("c:\\1.txt").read()

[xsir317]

请给个sample文件好么？

“其后的标题名称”是那一段？

两个"标题："中间的都是？

还是"标题："后面一直到一行结束？

标题位置么，你可以抓标题前面的所有文字，然后看看长度就可以了。。。

[lixq2000]

直接从全文里面匹配不是更好？

[kenbeyond]

情况是这样的，我的手机上面有个看书的软件，支持书签（是一个文本文件，和txt文件同名，后缀不同），我平时google reader的文章就复制粘贴到一个txt文件里面，用这个手机软件看
我想写一个书签的生成脚本，但是无奈刚学python，不会

我的想法是这样的，把google reader的文章拷贝到txt中的时候，在文章开头手动做一个标记，比如@或者其他符号
然后根据这个符号来判定文章标题的位置

书签的格式是这样的
[Bookmarks]
BookmarkName0=中国股市股价上涨的理由何在？
BookmarkPos0=30
BookmarkName1=左小蕾：10年磨一剑 创业板一定
BookmarkPos1=4253
BookmarkName2=一个仇富的社会是没有前途的社?
BookmarkPos2=6899
BookmarkName3=万通地产：优而美的商业哲学
BookmarkPos3=14505
BookmarkNum=3

我是想写这个书签脚本，所以才这几天看python的，所以真的很菜。。

[kenbeyond]

[Quote=引用 6 楼 xsir317 的回复:]
标题位置么，你可以抓标题前面的所有文字，然后看看长度就可以了。。。
[/Quote]
我发现还是叮叮当当的方法高效，我就是不知道如何抓取前面的所有文字？请指教

[boyz2men]

插一句 楼主google reader 内容怎么取得？直接抓网页？ 离线版的sqlite记录里记得好像有分好的标题和内容吧。

[kenbeyond]

[Quote=引用 11 楼 boyz2men 的回复:]
插一句 楼主google reader 内容怎么取得？直接抓网页？ 离线版的sqlite记录里记得好像有分好的标题和内容吧。
[/Quote]
你就不要指望我懂得会用脚本抓取Google Reader里面的内容了，我手动一篇一篇复制粘贴的，囧

[kenbeyond]

我初学python，试着写了一下，请帮忙看一下思路是不是正确，是不是有好的方法

BookmarkNo=-1
BookmarkPos=0
BookmarkName=""
f=open("0401.ibi","w")
f.write("[Bookmarks]\n")
for line in open("0401.txt"):
     i=line.find("@",0,3)
     BookmarkPos=BookmarkPos+len(line)
     if i<>-1:
          BookmarkNo=BookmarkNo+1          
          f.write( "BookmarkName"+str(BookmarkNo)+"="+str(line[1:30])+"\n")
          f.write( "BookmarkPos"+str(BookmarkNo)+"="+str(BookmarkPos)+"\n")

f.write("BookmarkNum="+str(BookmarkNo))
f.close()

[boyz2men]

[Quote=引用 12 楼 kenbeyond 的回复:]
引用 11 楼 boyz2men 的回复:

插一句 楼主google reader 内容怎么取得？直接抓网页？ 离线版的sqlite记录里记得好像有分好的标题和内容吧。

你就不要指望我懂得会用脚本抓取Google Reader里面的内容了，我手动一篇一篇复制粘贴的，囧
[/Quote]

那你还是装那个gear什么玩意的让google reader可以离线吧 所有没看过的内容都在sqlite的table里 好像是xml格式 我不会玩。你研究下贴代码。
sqlite肯定比抓网页容易多了。

[kenbeyond]

问题解决了

import re
BookmarkPos=0
BookmarkNo=0
BookmarkName=""
f=open("0401.ibi","w")
f.write("[Progress]\n")
f.write("[Bookmarks]\n")

s=file("0401.txt").read()

regex=re.compile('@(.*?)\s')
iterator=regex.finditer(s)
for m in iterator:       
    BookmarkPos=m.start()  
    f.write( "BookmarkName"+str(BookmarkNo)+"="+m.group()[0:18].replace("\n","")+"\n")
    f.write( "BookmarkPos"+str(BookmarkNo)+"="+str(BookmarkPos)+"\n")
    BookmarkNo=BookmarkNo+1           

f.write("BookmarkNum="+str(BookmarkNo))
f.close()

不过我发现生成的书签放进手机里面不能用，死机了，囧。。。
原来这个手机的书签的位置不是这么定义的，应该是那个手机屏幕最左上方的字开始算的
这样我要算一下一个屏幕容纳多少字，好像还是不确定的，因为有换行
所以说，如果我要选择那篇文章，我要计算这篇文章落在第几个屏幕中，然后定位那个屏幕最左上方的字符是第几个字符
囧。。。

[boyz2men]

那就个屁了

我觉得既然有rss全文输出还是有空研究下rss输出的格式 然后分开存成个别的文章比较好，省了copy past的时间 何必算那数不清楚的标签。

[kenbeyond]

好像又不是这个问题，似乎在计算字符的时候，中英文字符的问题，一个中文算2个字符的，好像，所以书签与手机看书程序生成的位置大体相差一倍

[boyz2men]

文章里无法保证完全没有半角符号 你怎么办？？？

[kenbeyond]

[Quote=引用 15 楼 boyz2men 的回复:]
那就个屁了

我觉得既然有rss全文输出还是有空研究下rss输出的格式 然后分开存成个别的文章比较好，省了copy past的时间 何必算那数不清楚的标签。
[/Quote]
因为我要手动筛选一下，只有1/10的文章是有用的，其他都mark it all read了
我只挑有用的文章读

[DDGG]

如你最初所想的，可以用split()，也可以每次读一段。
不考虑内存问题的话就这样，比较简洁明了：

#coding: gbk
import re

SEP = "@"

s = """@怎么才能使程序一启动就隐藏窗口
建立日期: 2001年1月14日 最后修改日期：2001年6月19日 
所属类别：C/C++ - 窗体与菜单


@如何获取字符串在文本中的位置？
建立日期: 2009年4月16日 最后修改日期：2001年6月19日 
所属类别：脚本语言（Perl ，Python）
"""

paras = s.split(SEP)
out_lines = ["[Bookmarks]"]
idx = 0
pos = 0
for para in paras:
	if para:
		m = re.match("^(.*)$", para, re.M)
		if m:
			topic = m.group(0)
			out_lines.append("BookmarkName%d=%s" % (idx, topic))
			out_lines.append("BookmarkPos%d=%d" % (idx, pos + len(SEP)))
			idx += 1
		pos += len(para) + len(SEP)
out = "\n".join(out_lines)
print out

写文件可以用
file("c:\\bookmark.txt", "w").write(out)