Supprimer l'En-tête et le Pied de Page

Dans notre examen du texte, il est évident qu'il inclut un en-tête et un pied de page qui ne sont pas pertinents pour notre analyse et, par conséquent, devraient être exclus.

L'essence de cette extraction réside dans l'identification des positions précises où le texte réel commence et se termine, contournant efficacement l'en-tête et le pied de page. Pour y parvenir, la tâche consiste à identifier l'index du premier caractère du texte réel et l'index du premier caractère du pied de page, préparant le terrain pour une utilisation stratégique de la découpe de chaîne pour accéder au segment désiré du texte.

Localisation des indices avec .find()

Les chaînes Python offrent un outil puissant à cet effet—la méthode .find()—nous permettant de rechercher des sous-chaînes spécifiques. En fournissant à cette méthode la sous-chaîne d'intérêt, elle renvoie l'index de départ où la sous-chaîne est rencontrée pour la première fois.

Par exemple, exécuter 'Hello, World!'.find('World') donnera 7.

Remarque

Il est crucial de se rappeler que l'indexation des chaînes en Python commence à zéro.

Alors que localiser directement l'index de départ du pied de page s'aligne avec notre objectif, traiter l'en-tête nécessite une étape supplémentaire. Pour localiser avec précision le début du texte réel après l'en-tête, nous devons ajouter la longueur de la sous-chaîne de terminaison de l'en-tête à son index. Cet ajustement garantit que nous sautons précisément par-dessus l'en-tête.