Python 结构化字符串中提取数据详情
前言
在许多自动化任务中，我们都需要从已知格式结构化的输入文本中提取相关信息。例如，我们可能需要在一段电影评论数据中提取观影时间、电影名、评分等信息，以便存储后进行进一步分析。在本节中，我们将以提取电影评论数据信息为例讲解如何从结构化字符串中提取数据。
从结构化字符串中提取数据
假设我们具有以下结构的电影评分数据，我们需要解析存储观影时间、电影名、评分等信息：
[<Timestamp>] - MOVIE ID: <movie id> - MOVIE NAME: <movie name> - SCORE: <score of the movie>
例如，一条可能的电影评分记录如下所示：
[2022-08-01T11:58:41.504054] - MOVIE ID: 00015 - MOVIE NAME: Inception - SCORE: 8.5
其中，我们使用标准格式表示时间和日期，这在计算机中广泛应用。
字符串解析
首先，导入所需库，并给出所需解析的用户对电影的评分记录：
>>> import delorean >>> from decimal import Decimal >>> text = '[2022-08-01T11:58:41.504054] - MOVIE ID: 00015 - MOVIE NAME: Inception - SCORE: 8.5'
将评分记录使用 split() 方法拆分为多个部分，我们使用 “-” 作为分隔符拆分每个元素，将评分记录拆分为 4 部分——时间戳、电影 ID、电影名和电影评分，便于之后将它们解析为正确的类型：
>>> divided_text = text.split(' - ')
>>> divided_text
['[2022-08-01T11:58:41.504054]', 'MOVIE ID: 00015', 'MOVIE NAME: Inception', 'SCORE: 8.5']
>>> timestamp, movie_id, movie_name, score = divided_text将时间戳解析为 datetime 对象。由于在评分记录中时间戳包含在方括号中，为了正确解析时间戳，需要去掉括号，然后使用 delorean 模块将其解析为日期时间对象：
>>> timestamp = delorean.parse(timestamp.strip('[]'))
>>> timestamp
Delorean(datetime=datetime.datetime(2022, 1, 8, 11, 58, 41, 504054), timezone='UTC')将 movie_id 解析为整数。为了解析电影 ID，需要使用冒号作为分隔符拆分 movie_id，然后，将最后一个元素解析为整数：
>>> movie_id = int(movie_id.split(':')[-1])
>>> movie_id
15将评分解析为 Decimal 类型。为了解析电影评分，我们同样使用冒号作为分隔符拆分 score，并将其解析为十进制字符对象 Decimal (这是由于此值解析为浮点类型会改变精度)：
>>> score = Decimal(score.split(':')[-1])
>>> score
Decimal('8.5')为了便于解析和聚合，我们可以将所解析的数据组合在一起成为一个对象。例如，我们可以通过在 Python 代码中定义一个类，来方便的解析和聚合结构化字符串中的数据：
class Movie(object):
def __init__(self, timestamp, movie_id, movie_name, score):
self.timestamp = timestamp
self.movie_id = movie_id
self.movie_name = movie_name
self.score = score
def __repr__(self):
return '<Movie ({}, {}, {})>'.format(self.timestamp, self.movie_id, self.movie_name, self.score)
@classmethod
def parse(cls, text):
'''
Parse from a text with the format
[<Timestamp>] - MOVIE ID: <movie id> - MOVIE NAME: <movie name> - SCORE: <score of the movie>
to a Movie object
'''
divided_text = text.split(' - ')
timestamp, movie_id, movie_name, score = divided_text
timestamp = delorean.parse(timestamp.strip('[]'))
movie_id = int(movie_id.split(':')[-1])
movie_name = movie_name.split(':')[-1]
score = Decimal(score.split(':')[-1])
return cls(timestamp=timestamp, movie_id=movie_id, movie_name=movie_name, score=score)定义 Movie 类完成后，我们可以使用以下方式方便的对评分记录进行解析：
>>> Movie.parse(text) <Movie (Delorean(datetime=datetime.datetime(2022, 1, 8, 11, 58, 41, 504054), timezone='UTC'), 15, Inception)>
到此这篇关于Python 结构化字符串中提取数据详情的文章就介绍到这了,更多相关Python 提取数据内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
xshell会话批量迁移到mobaxterm的工具(python小工具)
这篇文章主要介绍了xshell会话批量迁移到mobaxterm的工具,使用方法也超级简单，本文通过python代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-12-12
Python strip lstrip rstrip使用方法
Python中的strip用于去除字符串的首位字符，同理，lstrip用于去除左边的字符，rstrip用于去除右边的字符。这三个函数都可传入一个参数，指定要去除的首尾字符。2008-09-09
这篇文章主要介绍了Python获取B站粉丝数的示例代码,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-03-03
这篇文章主要介绍了Python列表list常用内建函数,结合实例形式总结分析了Python列表list常见内建函数的功能、使用方法及相关操作注意事项,需要的朋友可以参考下2019-10-10
这篇文章主要介绍了Python之多线程退出与停止的一种实现思路,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-02-02
python+matplotlib实现鼠标移动三角形高亮及索引显示
这篇文章主要介绍了Python+matplotlib实现鼠标移动三角形高亮及索引显示，具有一定借鉴价值,需要的朋友可以参考下2018-01-01
python logging多进程多线程输出到同一个日志文件的实战案例
这篇文章主要介绍了python logging多进程多线程输出到同一个日志文件的实战案例，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2022-02-02
这篇文章主要介绍了Python中的enum的使用方法，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下，希望对你的学习有所帮助2022-08-08
unittest是Python自动化测试框架之一，提供了一系列测试工具和接口，支持单元测试、功能测试、集成测试等多种测试类型。unittest使用面向对象的思想实现测试用例的编写和管理，可以方便地扩展和定制测试框架，支持多种测试结果输出格式2023-04-04
本文主要介绍了Python实现批量导入1000条xlsx数据，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-02-02
最新评论