Skip to main content
Commonmark migration
Origen Enlace

Como dice el titulo quiero extraer el texto que hay entre dos palabras. Para ello se me ocurrio crear un sistema con el comando sed que me permitiese sustituir lo que buscaba para luego con greep y cut extraerlo. Pero el resultado a sido en todos los casos un fracaso absoluto, os pongo un poco en situación.

Tengo este texto con muchisimo codigo por encima y por debajo:

<div class="item">
    <div class="imagens">
        <a href="http://sitio.php">
            <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
        <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
    </div>
    <span class="text">texto</span>
    <span class="fecha">2016</span>
</div>
<div class="item">
    <div class="imagens">
        <a href="http://sitio.php">
            <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
        <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
    </div>
    <span class="text">texto</span>
    <span class="fecha">2015</span>
</div>

EJ: Parametrizo estos dos textos "<div class="item"><div class="imagens">" y este "</div>" de tal manera que quedase un texto como este:

<a href="http://sitio.php">
        <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
    <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
</div>
<span class="text">texto</span>
<span class="fecha">2016</span>

EDITO

La respuesta de [@Ivan Botero][1]@Ivan Botero creo que es la mas cercana a la solución del problema que tengo, pero sigo con el problema de que no consigo seleccionar el segundo </div> que tiene.

Y las etiquetas que no deben de salir son:

<div class="item">
    <div class="imagens">

y el segundo:

</div>

Debido a que el primero esta en medio del codigo, justo detras de la etiqueta de cerrar span. Alguna ayuda por favor? [1]: https://es.stackoverflow.com/a/46147/25508

Como dice el titulo quiero extraer el texto que hay entre dos palabras. Para ello se me ocurrio crear un sistema con el comando sed que me permitiese sustituir lo que buscaba para luego con greep y cut extraerlo. Pero el resultado a sido en todos los casos un fracaso absoluto, os pongo un poco en situación.

Tengo este texto con muchisimo codigo por encima y por debajo:

<div class="item">
    <div class="imagens">
        <a href="http://sitio.php">
            <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
        <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
    </div>
    <span class="text">texto</span>
    <span class="fecha">2016</span>
</div>
<div class="item">
    <div class="imagens">
        <a href="http://sitio.php">
            <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
        <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
    </div>
    <span class="text">texto</span>
    <span class="fecha">2015</span>
</div>

EJ: Parametrizo estos dos textos "<div class="item"><div class="imagens">" y este "</div>" de tal manera que quedase un texto como este:

<a href="http://sitio.php">
        <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
    <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
</div>
<span class="text">texto</span>
<span class="fecha">2016</span>

EDITO

La respuesta de [@Ivan Botero][1] creo que es la mas cercana a la solución del problema que tengo, pero sigo con el problema de que no consigo seleccionar el segundo </div> que tiene.

Y las etiquetas que no deben de salir son:

<div class="item">
    <div class="imagens">

y el segundo:

</div>

Debido a que el primero esta en medio del codigo, justo detras de la etiqueta de cerrar span. Alguna ayuda por favor? [1]: https://es.stackoverflow.com/a/46147/25508

Como dice el titulo quiero extraer el texto que hay entre dos palabras. Para ello se me ocurrio crear un sistema con el comando sed que me permitiese sustituir lo que buscaba para luego con greep y cut extraerlo. Pero el resultado a sido en todos los casos un fracaso absoluto, os pongo un poco en situación.

Tengo este texto con muchisimo codigo por encima y por debajo:

<div class="item">
    <div class="imagens">
        <a href="http://sitio.php">
            <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
        <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
    </div>
    <span class="text">texto</span>
    <span class="fecha">2016</span>
</div>
<div class="item">
    <div class="imagens">
        <a href="http://sitio.php">
            <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
        <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
    </div>
    <span class="text">texto</span>
    <span class="fecha">2015</span>
</div>

EJ: Parametrizo estos dos textos "<div class="item"><div class="imagens">" y este "</div>" de tal manera que quedase un texto como este:

<a href="http://sitio.php">
        <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
    <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
</div>
<span class="text">texto</span>
<span class="fecha">2016</span>

EDITO

La respuesta de @Ivan Botero creo que es la mas cercana a la solución del problema que tengo, pero sigo con el problema de que no consigo seleccionar el segundo </div> que tiene.

Y las etiquetas que no deben de salir son:

<div class="item">
    <div class="imagens">

y el segundo:

</div>

Debido a que el primero esta en medio del codigo, justo detras de la etiqueta de cerrar span. Alguna ayuda por favor?

replaced http://es.stackoverflow.com/ with https://es.stackoverflow.com/
Origen Enlace

Como dice el titulo quiero extraer el texto que hay entre dos palabras. Para ello se me ocurrio crear un sistema con el comando sed que me permitiese sustituir lo que buscaba para luego con greep y cut extraerlo. Pero el resultado a sido en todos los casos un fracaso absoluto, os pongo un poco en situación.

Tengo este texto con muchisimo codigo por encima y por debajo:

<div class="item">
    <div class="imagens">
        <a href="http://sitio.php">
            <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
        <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
    </div>
    <span class="text">texto</span>
    <span class="fecha">2016</span>
</div>
<div class="item">
    <div class="imagens">
        <a href="http://sitio.php">
            <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
        <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
    </div>
    <span class="text">texto</span>
    <span class="fecha">2015</span>
</div>

EJ: Parametrizo estos dos textos "<div class="item"><div class="imagens">" y este "</div>" de tal manera que quedase un texto como este:

<a href="http://sitio.php">
        <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
    <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
</div>
<span class="text">texto</span>
<span class="fecha">2016</span>

EDITO

La respuesta de [@Ivan Botero][1] creo que es la mas cercana a la solución del problema que tengo, pero sigo con el problema de que no consigo seleccionar el segundo </div> que tiene.

Y las etiquetas que no deben de salir son:

<div class="item">
    <div class="imagens">

y el segundo:

</div>

Debido a que el primero esta en medio del codigo, justo detras de la etiqueta de cerrar span. Alguna ayuda por favor? [1]: http://es.stackoverflow.com/a/46147/25508https://es.stackoverflow.com/a/46147/25508

Como dice el titulo quiero extraer el texto que hay entre dos palabras. Para ello se me ocurrio crear un sistema con el comando sed que me permitiese sustituir lo que buscaba para luego con greep y cut extraerlo. Pero el resultado a sido en todos los casos un fracaso absoluto, os pongo un poco en situación.

Tengo este texto con muchisimo codigo por encima y por debajo:

<div class="item">
    <div class="imagens">
        <a href="http://sitio.php">
            <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
        <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
    </div>
    <span class="text">texto</span>
    <span class="fecha">2016</span>
</div>
<div class="item">
    <div class="imagens">
        <a href="http://sitio.php">
            <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
        <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
    </div>
    <span class="text">texto</span>
    <span class="fecha">2015</span>
</div>

EJ: Parametrizo estos dos textos "<div class="item"><div class="imagens">" y este "</div>" de tal manera que quedase un texto como este:

<a href="http://sitio.php">
        <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
    <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
</div>
<span class="text">texto</span>
<span class="fecha">2016</span>

EDITO

La respuesta de [@Ivan Botero][1] creo que es la mas cercana a la solución del problema que tengo, pero sigo con el problema de que no consigo seleccionar el segundo </div> que tiene.

Y las etiquetas que no deben de salir son:

<div class="item">
    <div class="imagens">

y el segundo:

</div>

Debido a que el primero esta en medio del codigo, justo detras de la etiqueta de cerrar span. Alguna ayuda por favor? [1]: http://es.stackoverflow.com/a/46147/25508

Como dice el titulo quiero extraer el texto que hay entre dos palabras. Para ello se me ocurrio crear un sistema con el comando sed que me permitiese sustituir lo que buscaba para luego con greep y cut extraerlo. Pero el resultado a sido en todos los casos un fracaso absoluto, os pongo un poco en situación.

Tengo este texto con muchisimo codigo por encima y por debajo:

<div class="item">
    <div class="imagens">
        <a href="http://sitio.php">
            <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
        <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
    </div>
    <span class="text">texto</span>
    <span class="fecha">2016</span>
</div>
<div class="item">
    <div class="imagens">
        <a href="http://sitio.php">
            <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
        <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
    </div>
    <span class="text">texto</span>
    <span class="fecha">2015</span>
</div>

EJ: Parametrizo estos dos textos "<div class="item"><div class="imagens">" y este "</div>" de tal manera que quedase un texto como este:

<a href="http://sitio.php">
        <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
    <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
</div>
<span class="text">texto</span>
<span class="fecha">2016</span>

EDITO

La respuesta de [@Ivan Botero][1] creo que es la mas cercana a la solución del problema que tengo, pero sigo con el problema de que no consigo seleccionar el segundo </div> que tiene.

Y las etiquetas que no deben de salir son:

<div class="item">
    <div class="imagens">

y el segundo:

</div>

Debido a que el primero esta en medio del codigo, justo detras de la etiqueta de cerrar span. Alguna ayuda por favor? [1]: https://es.stackoverflow.com/a/46147/25508

mucho texto que sobraba y una etiqueta
Origen Enlace
ICIM
  • 341
  • 3
  • 14

La cuestion es que necesito extraer con codigo con python o bash (preferiblemente bash) de tal manera que solo me quede el texto de dentro de las palabras que yo parametrice.


EJ: Parametrizo estos dos textos "<div class="item"><div class="imagens">" y este "</div>" de tal manera que quedase un texto como este:



Encontre esta pregunta que responde con python a mi problema, pero me devuelve un error.

#coding: utf-8
from itertools import takewhile
inicio = '<div class="item"><div class="imagens">'
final = "</div>"

with open("sitio.html") as fichero:
    fpos = (linea for linea in fichero
        if not line.startswith(inicio))
    resultado = list(takewhile(lambda s: not s.startswith(final), fpos))

Traceback (most recent call last): File "prueba.py", line 10, in resultado = list(takewhile(lambda s: not s.startswith(final), fpos)) File "prueba.py", line 9, in if not line.startswith(inicio)) NameError: global name 'line' is not defined

Con ello entiendo que ese "line" deberia de ser un "linea", pero si lo modificio no obtengo ningun resultado. Tampoco uno de error...

Dejo aqui el link: ¿Como puedo leer o imprimir un bloque de lineas o datos de un archivo, entre dos lineas o dos palabras claves dentro del el archivo en python?

EDITO

La respuesta de [@Ivan Botero][1] creo que es la mas cercana a la solución del problema que tengo, pero sigo con el problema de que no consigo seleccionar el segundo </div> que tiene. La cuestión es

Y las etiquetas que mostrase el resultadono deben de este textosalir son:

<div class="item">
    <div class="imagens">
        <a href="http://sitio.php">
            <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
        <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
    </div>
    <span class="text">texto</span>
    <span class="fecha">2016</span>
</div>

Y las etiquetas que no deben de salir son: yy el segundo:

Debido a que el primero esta en medio del codigo, justo detras de la etiqueta de cerrar spanspan. Alguna ayuda por favor? [1]: http://es.stackoverflow.com/a/46147/25508

La cuestion es que necesito extraer con codigo con python o bash (preferiblemente bash) de tal manera que solo me quede el texto de dentro de las palabras que yo parametrice.


EJ: Parametrizo estos dos textos "<div class="item"><div class="imagens">" y este "</div>" de tal manera que quedase un texto como este:



Encontre esta pregunta que responde con python a mi problema, pero me devuelve un error.

#coding: utf-8
from itertools import takewhile
inicio = '<div class="item"><div class="imagens">'
final = "</div>"

with open("sitio.html") as fichero:
    fpos = (linea for linea in fichero
        if not line.startswith(inicio))
    resultado = list(takewhile(lambda s: not s.startswith(final), fpos))

Traceback (most recent call last): File "prueba.py", line 10, in resultado = list(takewhile(lambda s: not s.startswith(final), fpos)) File "prueba.py", line 9, in if not line.startswith(inicio)) NameError: global name 'line' is not defined

Con ello entiendo que ese "line" deberia de ser un "linea", pero si lo modificio no obtengo ningun resultado. Tampoco uno de error...

Dejo aqui el link: ¿Como puedo leer o imprimir un bloque de lineas o datos de un archivo, entre dos lineas o dos palabras claves dentro del el archivo en python?

EDITO

La respuesta de [@Ivan Botero][1] creo que es la mas cercana a la solución del problema que tengo, pero sigo con el problema de que no consigo seleccionar el segundo </div> que tiene. La cuestión es que mostrase el resultado de este texto:

<div class="item">
    <div class="imagens">
        <a href="http://sitio.php">
            <img src="https://image.jpg" alt="texto" width="100%" height="100%"/></a>
        <span class="imdb"><b><b class="icon-star"></b></b> 7.2</span>
    </div>
    <span class="text">texto</span>
    <span class="fecha">2016</span>
</div>

Y las etiquetas que no deben de salir son: y el segundo:

Debido a que el primero esta en medio del codigo, justo detras de la etiqueta de cerrar span. Alguna ayuda por favor? [1]: http://es.stackoverflow.com/a/46147/25508

EJ: Parametrizo estos dos textos "<div class="item"><div class="imagens">" y este "</div>" de tal manera que quedase un texto como este:

EDITO

La respuesta de [@Ivan Botero][1] creo que es la mas cercana a la solución del problema que tengo, pero sigo con el problema de que no consigo seleccionar el segundo </div> que tiene.

Y las etiquetas que no deben de salir son:

<div class="item">
    <div class="imagens">

y el segundo:

Debido a que el primero esta en medio del codigo, justo detras de la etiqueta de cerrar span. Alguna ayuda por favor? [1]: http://es.stackoverflow.com/a/46147/25508

mejoro la pregunta
Origen Enlace
ICIM
  • 341
  • 3
  • 14
Loading
tabulando el codigo
Origen Enlace
ICIM
  • 341
  • 3
  • 14
Loading
Otro fallo
Origen Enlace
ICIM
  • 341
  • 3
  • 14
Loading
Correccion en titulo - La etiqueta ya indica el tema a tratar
Origen Enlace
fedorqui
  • 16.7k
  • 24
  • 71
  • 134
Loading
Correccion en titulo - La etiqueta ya indica el tema a tratar
Enlace
Loading
esto no tiene que ver con Bash
Enlace
fedorqui
  • 16.7k
  • 24
  • 71
  • 134
Loading
Publicación reabierta por Stefan Nolde, JuankGlezz, Rene Limon, Gepser Hoil, fredyfx
cuerpo editado
Origen Enlace
Stefan Nolde
  • 6.8k
  • 1
  • 26
  • 45
Loading
Espero que ahora este bien
Origen Enlace
ICIM
  • 341
  • 3
  • 14
Loading
Publicación cerrada como "Necesita ser más específica" por lois6b, fedorqui, Muriano, Jose Javier Segura, German Alzate
Origen Enlace
ICIM
  • 341
  • 3
  • 14
Loading