Python 结构化字符串中提取数据详情

 更新时间:2022年08月19日 14:44:31   作者:盼小辉丶  
这篇文章主要介绍了Python 结构化字符串中提取数据详情,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
(福利推荐:【腾讯云】服务器最新限时优惠活动,云服务器1核2G仅99元/年、2核4G仅768元/3年,立即抢购>>>:9i0i.cn/qcloud

(福利推荐:你还在原价购买阿里云服务器?现在阿里云0.8折限时抢购活动来啦!4核8G企业云服务器仅2998元/3年,立即抢购>>>:9i0i.cn/aliyun

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程序员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程序员之家!

相关文章

  • 深入浅析Python的类

    深入浅析Python的类

    这篇文章是一篇关于python基础知识内容,主要讲述了关于类的相关知识点,有兴趣的朋友参考下。
    2018-06-06
  • Python?页面解析Beautiful?Soup库的使用方法

    Python?页面解析Beautiful?Soup库的使用方法

    Beautiful?Soup?简称?BS4(其中?4?表示版本号)是一个?Python?中常用的页面解析库,它可以从?HTML?或?XML?文档中快速地提取指定的数据,这篇文章主要介绍了springboot?集成?docsify?实现随身文档?,需要的朋友可以参考下
    2022-09-09
  • virtualenv 指定 python 解释器的版本方法

    virtualenv 指定 python 解释器的版本方法

    今天小编就为大家分享一篇virtualenv 指定 python 解释器的版本方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-10-10
  • python数组循环处理方法

    python数组循环处理方法

    今天小编就为大家分享一篇python数组循环处理方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-08-08
  • 将图片文件嵌入到wxpython代码中的实现方法

    将图片文件嵌入到wxpython代码中的实现方法

    前面一篇文章中提到的那个程序,GUI中包含了一张图片。在编译成exe文件发布时,无法直接生成一个单独的exe文件。因此需要直接把图片写入到代码中
    2014-08-08
  • python html2text库将HTML文档转换为纯文本格式使用示例探索

    python html2text库将HTML文档转换为纯文本格式使用示例探索

    这篇文章主要为大家介绍了python html2text库将HTML文档转换为纯文本格式使用示例探索,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2024-01-01
  • PyTorch和Keras计算模型参数的例子

    PyTorch和Keras计算模型参数的例子

    今天小编就为大家分享一篇PyTorch和Keras计算模型参数的例子,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-01-01
  • 运行python脚本更改Windows背景

    运行python脚本更改Windows背景

    这篇文章主要介绍了运行python脚本更改Windows背景,使用常用的命令更改桌面背景,以更改ctype中的系统参数,下面来看看具体得更改过程吧
    2022-01-01
  • 探索Python数据可视化库中Plotly Express的使用方法

    探索Python数据可视化库中Plotly Express的使用方法

    在数据分析和可视化领域,数据的有效呈现是至关重要的,python作为一种强大的编程语言,提供了多种数据可视化工具和库,本文将介绍Plotly Express的基本概念和使用方法,帮助读者快速入门并掌握数据可视化的技巧
    2023-06-06
  • 如何利用Playwright库进行电影网站数据的获取

    如何利用Playwright库进行电影网站数据的获取

    playwright库是微软开源的一个库,这个库的功能更加的强大,除了可以实现同步操作,同样也可以实现异步的操作,这篇文章主要介绍了如何利用Playwright库进行电影网站数据的获取,需要的朋友可以参考下
    2023-05-05

最新评论

?


http://www.vxiaotou.com