python - 如何去除字符串中模式 "On x John wrote:"之后的所有内容

Question

我有一个大字符串(来自阅读电子邮件)。现在，当用户回复时，典型的回复如下所示:

"On x x x wrote:"

我想去掉这个模式之后的所有文本。但是，我不确定如何识别这种模式。

我知道如何去掉某个单词或字符后的所有内容:

abc = abc.split('From:', 1)[0]

但是当您在模式 On 和 wrote: 之间有文本时，您会怎么做？

示例:

\r\nOn Tue, Feb 12, 2019 at 1:11 PM +0100, "Name" <email@email.com<mailto:email@email.com>> wrote:\r\n

Answer 1

正则表达式将排序:

re.match(r"\r\nOn.+wrote:", email)[0]

^ 表示字符串的开始
On 是单词“On”
.+ 是任何事物的一个或多个实例
wrote: 是单词“wrote”

末尾的 [0] 将从电子邮件中获取第一个匹配项email.strip() 删除空格

例子:

import re

email =  '\r\nOn Tue, Feb 12, 2019 at 1:11 PM +0100, "Name" <email@email.com<mailto:email@email.com>> wrote:\r\n'
extracted = re.match(r"On.+wrote:", email.replace('\r', '').replace('\n', ''))[0]
print(extracted)

Out[163]: 'On Tue, Feb 12, 2019 at 1:11 PM +0100, "Name" <email@email.com<mailto:email@email.com>> wrote:' 

正则表达式的替代方法是找到单词“On”第一次出现的索引和单词“wrote”的索引，并在它们之间对整个文本进行子集:

extracted = email[email.find('On'):email[email.find('On'):].find('wrote:')+8]