Como extrair partes específicas de um grande lote de strings?

Question

Por exemplo.

64d134a354eb2bf43626a73091514a2d:QMP0R\khOiPmkW1>bP,_-NTY4%-!P#:a123456
7d057d46b88f2cf4845dec57be4f3158:iR+LE[SQ\R~~o*+CCNL?i)mC>$G:U#:123321
6e0c116855a273f0c8c41dec1d21c160:s'?:fL2/mVj{&['Onkyqf"y~47^YU#:abc123

Todas as strings seguem um padrão de três partes. As duas primeiras partes, cada uma separada por dois pontos, e o elemento obrigatório após o segundo cólon.

Exceção: na parte dois da string, também existem os dois pontos ocasionais. (veja a terceira linha terminando em "abc123")

Minha proposta seria reverter todas as strings e, uma vez feito, eliminar todos os caracteres após e incluindo os primeiros dois pontos. Quando concluído, inverta o texto novamente para terminar com os elementos necessários, que devem ser:

a123456
123321
abc123

Nota: isso deve ser aplicado a um grande lote de tais cadeias!

    

Answer 1

No Notepad ++, você pode usar o seu Find & Substituir recurso para remover tudo antes do terceiro segmento.

Basta usar essa localização, com o botão de opção Expressões regulares em:

^.*:(?!.*:)

E substitua por nada e, em seguida, pressione Substituir tudo.

Oqueaexpressãosignificaé:

^Ensurematchbeginsatthestartoftheline.*Matchanynumberofcharacters:Untilitmatchesacolon(:)(?!Andensurethatafterthecolon,thereareno....*:Colonafteranynumberofcharactersonthesameline)

Resultado:

Se a terceira parte também puder conter dois pontos, mas sempre começará com #: quando comparada com as outras partes, então você pode usar uma expressão ligeiramente diferente para o find:

^.*#:

E substitua por nada.

    

Answer 2

Existem algumas maneiras de fazer isso.

A maneira mais fácil é provavelmente apenas carregar o arquivo no editor de texto Sublime, e ctrl + clique no meio no início do primeiro bit de texto que você deseja manter (a123456) e arrastar o botão do meio para baixo no canto inferior direito do documento. Você deve ter todo o seu texto desejado em destaque. Então ctrl + c, ctrl + v em um novo arquivo. Isso pressupõe que todas as linhas tenham o texto desejado começando no mesmo local, que se parece com a coluna 67 do seu exemplo.

Se não, carregue o arquivo sublimamente, pressione ctrl + f e clique no botão .* na barra de ferramentas de busca na parte inferior. Pesquisar por

#:(.*)

Clique em localizar todos à direita, copie e cole-o em um novo documento. Ctrl + f para encontrar novamente, pesquise

^..

encontre tudo novamente e exclua. Isso deixa você com nada além de suas cordas no final (a123456, 123321, abc123)

Como isso funciona? O botão .* procura Expressões Regulares ou Regex. Regex define regras pelas quais você combina padrões de texto. Suas regras são bem simples aqui: encontre o texto começando com #: e pegue tudo depois dele. Você provavelmente poderia ter feito isso em um passo, mas ainda não sou o melhor com o Regex. então o que fazemos é procurar por #: , seguido por qualquer número ( * ) de qualquer caractere ( . ). Nós então copiamos isso para um novo arquivo.

Em seguida, combinamos o início ( ^ ) de dois caracteres ( .. ) e simplesmente os excluímos para que ficássemos com o texto desejado.

Eu recomendo que você use o editor de texto Sublime para isso, pois é gratuito, rápido e seu recurso de pesquisa permite que você selecione com muita facilidade grupos desconectados de texto e copie + cole em outro lugar. O Notepad ++ também pode fazê-lo, mas seu recurso regex adiciona um monte de texto de lixo indicando onde ele encontrou as correspondências, o que obviamente você não deseja.

    

Answer 3

O que eu faço é pegar todas as strings e importá-las para o excel ou algum outro programa de planilha. use o Colon como o separador de coluna e você deve ter todos os elementos na terceira coluna da tabela.

A maioria dos dados estaria na terceira coluna e alguns na quarta, e presumivelmente poderia haver instâncias de muitos dois pontos nos dados, então eu inseriria uma coluna no começo, que olha através da linha e acha a última célula com dados e coloca isso na primeira coluna.

Algo como esta fórmula que testei no Excel 2010:

= SE (ISBLANK (D1), C1, IF (ISBLANK (E1), D1, IF (ISBLANK (F1), E1, F1)))

procurará pelas linhas C, D e E e colocará o valor da última coluna na célula com a equação.

Esta fórmula só olha para 3 colunas, pode ser modificada infinitamente

Se você usar o preenchimento para preencher a coluna, você deve obter as respostas que você está procurando na coluna A

.     

Answer 4

Você é um editor de texto com recursos de pesquisa e substituição regex. Seu termo de pesquisa deve ser:

.*:(.*)

A substituição deve ser:

Eu usei o Sublime Text, mas o notepad2 / Notepad ++ funcionará.

Explicação de regex:

.* - Matches any number of characters
:  - Match a colon
(.*) - Match any number of character as a subgroup

Em seguida, o substitui toda a linha correspondente pelo conteúdo do subgrupo (o texto que você deseja). O Regex é ganancioso por padrão (na maioria das implementações) e corresponderá às strings mais longas possíveis. Isso significa que este regex corresponderá tantos caracteres quanto possível antes da segunda parte do regex (dois pontos seguidos por qualquer número de caracteres).