字符串提取问题

haooooaaa

回复 10# steveq1


    这个测试OK

1. #!/usr/bin/env python
   
2. #-*- coding:utf-8 -*-
   
3. 
   
4. import base64
   
5. import re
   
6. 
   
7. filename = "3.txt"
   
8. 
   
9. def splitR(s):
   
10.     tmp = []
    
11.     for i in range(len(s)):
    
12.         if not i:
    
13.             t1 = s[0].split("<table name=")[0]
    
14.             if "img src=" in t1:
    
15.                 img = t1.split('"')[1]
    
16.                 tmp.append("<div>" + re.subn("\<[^>]*\>","",t1)[0] + " " + img)
    
17.             else:
    
18.                 t2 = t1.split("<table name=")[0]
    
19.                 if "</td>" in t2:
    
20.                     tmp.append("<div>" + re.sub("<[^>]*>"," ",t2) + " ")
    
21.                 else:   
    
22.                     tmp.append(t2)
    
23.         else:
    
24.             if "img src=" in s[i]:
    
25.                 tmp.append(base64.encodestring(s[i].split('"')[1])[0:-1])
    
26.             else:
    
27.                 tmp.append(base64.encodestring(s[i].split("</td>")[0])[0:-1])
    
28.    
    
29.     return '%s</div>\t[{"option" : "%s' % (tmp[0],'"},{"option" : "'.join(tmp[1:]) + '"}]')  
    
30. 
    
31. def convf(filename):
    
32.     tmp2 = []
    
33.     with open(filename) as f:
    
34.         for i in f:
    
35.             tmp = []
    
36.             if i.startswith("question") or i.strip()=="":
    
37.                 continue
    
38.             i = re.subn("&nbsp;","",i)[0]
    
39.             s1 = re.split("[ABCD]．", i)
    
40.             if len(s1) > 3:
    
41.                 result = splitR(s1)
    
42.             else:
    
43.                 s1 = re.split("[ABCD]\.", i)
    
44.                 result = splitR(s1)
    
45.                
    
46.             tmp2.append(result)
    
47.     return tmp2
    
48. 
    
49. if __name__ == "__main__":  
    
50.     with open("base.txt", "w") as f:
    
51.         f.write("\n".join(convf(filename)))

复制代码

steveq1

回复 11# haooooaaa

谢谢
1：题目中和答案含有图片标示符的不能去掉 <img src =“图片url” />，执行脚本后题目中的图片标记被去掉了
正确格式<img src="Upload/2013-08/05/c4024637-54c6-4aa8-a8c3-6fdf2b88ea50/paper.files/image037.png" />
解析后的错误格式 Upload/2013-08/05/c4024637-54c6-4aa8-a8c3-6fdf2b88ea50/paper.files/image037.png

2：答案选项过长时换行还有问题.

1. <div>【题文】已知，（m为任意实数），则P、Q的大小关系为（ ） Upload/2013-08/05/c4024637-54c6-4aa8-a8c3-6fdf2b88ea50/paper.files/image037.png</div>       [{"option" : "VXBsb2FkLzIwMTMtMDgvMDUvYzQwMjQ2MzctNTRjNi00YWE4LWE4YzMtNmZkZjJiODhlYTUwL3Bh
   
2. cGVyLmZpbGVzL2ltYWdlMDM5LnBuZw=="},{"option" : "VXBsb2FkLzIwMTMtMDgvMDUvYzQwMjQ2MzctNTRjNi00YWE4LWE4YzMtNmZkZjJiODhlYTUwL3Bh
   
3. cGVyLmZpbGVzL2ltYWdlMDQwLnBuZw=="},{"option" : "VXBsb2FkLzIwMTMtMDgvMDUvYzQwMjQ2MzctNTRjNi00YWE4LWE4YzMtNmZkZjJiODhlYTUwL3Bh
   
4. cGVyLmZpbGVzL2ltYWdlMDQxLnBuZw=="},{"option" : "5LiN6IO956Gu5a6a"}]

复制代码

haooooaaa

回复 12# steveq1

1. #!/usr/bin/evn python
   
2. #-*- coding:utf-8 -*-
   
3. 
   
4. import base64
   
5. import re
   
6. 
   
7. filename = "3.txt"
   
8. 
   
9. def splitR(s):
   
10.     tmp = []
    
11.     for i in range(len(s)):
    
12.         if not i:
    
13.             t1 = s[0].split("<table name=")[0]
    
14.             #if "img src=" in t1:
    
15.             #    t1 = re.sub('style=[^/]*','',t1) #remove style="vertical-align:middle;"
    
16.             tmp.append(t1)
    
17.         else:
    
18.             tmp.append(re.sub("\n","",base64.encodestring(s[i].split("</td>")[0])))
    
19.    
    
20.     return '%s</div>\t[{"option" : "%s' % (tmp[0],'"},{"option" : "'.join(tmp[1:]) + '"}]')  
    
21. 
    
22. def convf(filename):
    
23.     tmp2 = []
    
24.     with open(filename) as f:
    
25.         for i in f:
    
26.             tmp = []
    
27.             if i.startswith("question") or i.strip()=="":
    
28.                 continue
    
29.             i = re.subn("&nbsp;","",i)[0]
    
30.             s1 = re.split("[ABCD]．", i)
    
31.             if len(s1) > 3:
    
32.                 result = splitR(s1)
    
33.             else:
    
34.                 s1 = re.split("[ABCD]\.", i)
    
35.                 result = splitR(s1)
    
36.                
    
37.             tmp2.append(result)
    
38.     return tmp2
    
39. 
    
40. if __name__ == "__main__":  
    
41.     with open("base.txt", "w") as f:
    
42.         f.write("\n".join(convf(filename)))

复制代码

steveq1

回复 13# haooooaaa


    非常感谢，可以了