Python 使用正则表达式避免特殊字符

我正在编写一个Python脚本来从PDF用户pyPdf提取元数据

输出如下所示：

{'/Subject': u'Presentation from the 2011 Water Program Peer Review',
 '/Producer': u'Mac OS X 10.7.2 Quartz PDFContext', 
 '/Creator': u'PowerPoint', 
 '/ModDate': u"D:20120109085812-07'00'", 
 '/Keywords': u'', 
 '/Title': u'Wind Wave Float', 
 '/CreationDate': 'D:20111030043455Z'}

我只需要

标题

和

主题

字段，因此打印输出最好是：

风浪飘浮，来自

因此，我可以轻松地将数据输入电子表格

有人能帮我弄点regex吗？我似乎不知道如何处理输出中所有奇怪的字符

谢谢。

试试：

(?i)((?<=subject': u')[^']+|(?<=title': u')[^']+)

它基本上匹配了

主题：u'

或

/Title'：u'

之后不是

的任何内容，请尝试以下正则表达式：

'/(Subject|Title)':\s+u('[^']+'|"[^"]+")(?=, )

描述

演示

---

您正在查看的输出是一本词典，因此您需要的信息已经可用。您在输出字典中看到的“u”表示字符串为Unicode格式

我认为要实现将信息输入电子表格的目标，最简单的方法是在脚本中添加以下内容：

（在Python2.x中）：

这将为您提供以下输出：

Wind Wave Float, Presentation from...

---

（将上面的outputdict替换为提供您在问题中粘贴的词典输出的任何对象）

如果打印该词典对象，您的输出是什么？该词典对象是终端中打印的输出。如果您明确打印作为输出的词典，使用

打印mydictionary

？为什么需要使用正则表达式？pyPDF不是提供了可以直接访问的python对象吗？我不确定，我刚开始使用该模块，我不清楚所有的复杂之处。嘿，谢谢，这在Debuggex上非常有效，但是我在脚本中无法正确运行它。你能帮我弄清楚如何正确地输入它吗？output=re.match（'therexex'，string）返回一个语法错误。我不会说谎regex我知道python我不知道。在其他语言中，正则表达式本身将具有需要转义的字符，例如int c#此正则表达式的'\\.'必须是'\\.'才能转义反斜杠，或者'\.\.'可以是@'\.\.\.'将成为'\.\.\.\.'.'将转义字符串中的所有特殊字符。我相信python，你有re.escape（）？它的行为似乎与我刚才描述的@相似？尝试按照以下方式做某事：x=re.escape（regex）；输出=重新匹配（x，字符串）。

print outputdict['/Title'] + ", " + outputdict['/Subject']

Wind Wave Float, Presentation from...