Python：从字符串中提取文本

我有两张单子

• tvmodels.txt
• vendors.txt

在这些列表中，所有电视型号和电视供应商都在其中

文件的输入如下所示：

tvmodels.txt file
KDL40W705CBAEP
KDL55W755CBAEP
KD75XD8505BAEP
KDL40WD650BAEP
UE75H6470AWXXN

vendors.txt file
SAMSUNG
SONY
LG
PHILIPS
PANASONIC

当我使用脚本时，mshtv['item_2_name']返回

SAMSUNGUE75H6470LEDTV（平板、75Zoll、全高清、3D、智能电视）

现在我想要实现的是：

1） 我从

mshtv['item\u vendor']

字段中的

vendors.txt

文件中获取任何供应商。在本例中，这将是

SAMSUNG

2） 我从

tvmodels.txt

文件中获取任何电视模型，该文件位于

mshtv['item\u model']

字段中。在本例中，这将是

UE75H6470

对于电视模特来说，还有一个陷阱。在

tvmodels.txt

文件中，所有电视型号均采用官方供应商格式。对于本例，它在列表中的名称为

UE75H6470AWXXN

。 其背后的原因是，一些零售商正在使用完整的电视模型参考，而另一些则只是部分使用

如果尝试使用

（如果有的话）

，但不起作用。我环顾四周，但找不到任何其他解决方案。有什么建议吗

    import scrapy.selector 
    import urlparse
    from scrapy.spiders import Spider
    from scrapy.http import Request
    from MediaMarkt.items import MediamarktItem

    models = []
    for line in open("tvmodels.txt", "r"):
        models.append(line.strip("\n\-"))
    d = {}
    for model in models:
        d[model] = True


    vendors = []
    for line in open("vendors.txt", "r"):
        vendors.append(line.strip("\n\-"))
    e = {}
    for vendor in vendors:
        e[vendor] = True


    def complete_url(string):
        return "http://www.mediamarkt.de"+ string


    def encode(str):
        return str.encode('utf8', 'ignore') 


    class MshbeSpider(Spider):
        name = "mshdetv"
        start_urls = ['http://www.mediamarkt.de/mcs/productlist/_led-lcd-fernseher,48353,460668.html?langId=-3&searchParams=&sort=&view=&page=']

        def parse(self, response):  
            items = response.xpath('//ul[@class="products-list"]/li/div')
            for item in items:
                mshtv = MediamarktItem()
                mshtv['item_3_price'] = encode(item.xpath('normalize-space(.//aside/div/div/div/text())').extract()[0]).replace("-","")
                mshtv['item_2_name'] = encode(item.xpath('normalize-space(.//div/h2/a/text())').extract()[0]).replace("-","").replace(" C","C").replace(" B","B").replace(" ","")
                mshtv['item_a_link'] = item.select('.//div/h2/a/@href').extract()
                mshtv['item_4_avai'] = encode(item.xpath('normalize-space(.//aside/div/div/ul/li//text())').extract()[0])
                #mshtv['item_1_cat'] = encode(item.xpath('normalize-space(//*[@id="category"]/hgroup/h1/text())').extract()[0])
                for word in mshtv['item_2_name'].split(" "):
                    if word in d:
                        mshtv['item_model'] = word
                for word in mshtv['item_2_name'].split(" "):
                    if word in e:
                        mshtv['item_vendor'] = word             
                yield mshtv


            new_link = response.xpath('//li[@class="pagination-next"]/a/@href').extract()[0]
            yield Request(complete_url(new_link),callback=self.parse)

---

如果您将问题编辑为包含输入文件中的一些样本行，则会有所帮助。如果您将问题编辑为包含输入文件中的一些样本行，则会有所帮助。