[pyar] Las búsquedas son un quilombo... el regreso

[Claudio Freire]

2011/12/15 Facundo Batista <facundobatista en gmail.com>:
> Ideas de algo que funcione y sea elegante?

Creo que necesitás matchear las cadenas normalizadas para poder
traducir los índices.
Algo que está muy sofisticado en análisis de ADN.

En tu caso, sin embargo, no haría falta tanta sofisticación, sólo
necesitás detectar omisiones:

>>> from unicodedata import normalize
>>> texto_original = u'Escuela N\xba 16 \u201cEsteban Echeverr\xeda\u201d del R\xedo La Barquita'
>>> print texto_original
Escuela Nº 16 “Esteban Echeverría” del Río La Barquita
>>> texto_normalizado = normalizar(texto_original)
>>> i = j = 0
>>> indices = []
>>> while i < len(texto_normalizado) and j < len(texto_original):
...    if texto_normalizado[i] == normalizar(texto_original[j]):
...       indices.append(j)
...       i += 1
...    j += 1
...
>>> busqueda = "ban"
>>> pos = texto_normalizado.find(busqueda)
>>> texto_original[indices[pos]:indices[pos+len(busqueda)]]
u'ban'
>>> busqueda = "rio"
>>> pos = texto_normalizado.find(busqueda)
>>> texto_original[indices[pos]:indices[pos+len(busqueda)]]
u'R\xedo'
>>> print indices
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 15, 16, 17, 18, 19, 20,
21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 34, 35, 36, 37, 38,
39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53]
>>>