Python 结构化字符串中提取数据详情
(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
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2022-09-09python 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
最新评论