Python 結(jié)構(gòu)化字符串中提取數(shù)據(jù)詳情
前言
在許多自動化任務中，我們都需要從已知格式結(jié)構(gòu)化的輸入文本中提取相關(guān)信息。例如，我們可能需要在一段電影評論數(shù)據(jù)中提取觀影時間、電影名、評分等信息，以便存儲后進行進一步分析。在本節(jié)中，我們將以提取電影評論數(shù)據(jù)信息為例講解如何從結(jié)構(gòu)化字符串中提取數(shù)據(jù)。
從結(jié)構(gòu)化字符串中提取數(shù)據(jù)
假設(shè)我們具有以下結(jié)構(gòu)的電影評分數(shù)據(jù)，我們需要解析存儲觀影時間、電影名、評分等信息：
[<Timestamp>] -?MOVIE ID: <movie id>?- MOVIE NAME: <movie name>?- SCORE: <score of the movie>
例如，一條可能的電影評分記錄如下所示：
[2022-08-01T11:58:41.504054] - MOVIE ID: 00015?- MOVIE NAME: Inception?- SCORE: 8.5
其中，我們使用標準格式表示時間和日期，這在計算機中廣泛應用。
字符串解析
首先，導入所需庫，并給出所需解析的用戶對電影的評分記錄：
>>> import delorean >>> from decimal import Decimal >>> text = '[2022-08-01T11:58:41.504054] - MOVIE ID: 00015 - MOVIE NAME: Inception - SCORE: 8.5'
將評分記錄使用 split() 方法拆分為多個部分，我們使用 “-” 作為分隔符拆分每個元素，將評分記錄拆分為 4 部分——時間戳、電影 ID、電影名和電影評分，便于之后將它們解析為正確的類型：
>>> 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將時間戳解析為 datetime 對象。由于在評分記錄中時間戳包含在方括號中，為了正確解析時間戳，需要去掉括號，然后使用 delorean 模塊將其解析為日期時間對象：
>>> timestamp = delorean.parse(timestamp.strip('[]'))
>>> timestamp
Delorean(datetime=datetime.datetime(2022, 1, 8, 11, 58, 41, 504054), timezone='UTC')將 movie_id 解析為整數(shù)。為了解析電影 ID，需要使用冒號作為分隔符拆分 movie_id，然后，將最后一個元素解析為整數(shù)：
>>> movie_id = int(movie_id.split(':')[-1])
>>> movie_id
15將評分解析為 Decimal 類型。為了解析電影評分，我們同樣使用冒號作為分隔符拆分 score，并將其解析為十進制字符對象 Decimal (這是由于此值解析為浮點類型會改變精度)：
>>> score = Decimal(score.split(':')[-1])
>>> score
Decimal('8.5')為了便于解析和聚合，我們可以將所解析的數(shù)據(jù)組合在一起成為一個對象。例如，我們可以通過在 Python 代碼中定義一個類，來方便的解析和聚合結(jié)構(gòu)化字符串中的數(shù)據(jù)：
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)定義 Movie 類完成后，我們可以使用以下方式方便的對評分記錄進行解析：
>>> Movie.parse(text) <Movie (Delorean(datetime=datetime.datetime(2022, 1, 8, 11, 58, 41, 504054), timezone='UTC'), 15, ?Inception)>
到此這篇關(guān)于Python 結(jié)構(gòu)化字符串中提取數(shù)據(jù)詳情的文章就介紹到這了,更多相關(guān)Python 提取數(shù)據(jù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要為大家詳細介紹了python編程實現(xiàn)歸并排序的具體代碼，具有一定的參考價值，感興趣的小伙伴們可以參考一下2017-04-04
在平常的代碼中,我們常常需要與時間打交道,那么在Python中,與時間處理有關(guān)的模塊就包括：time、datetime以及calendar,這篇文章主要給大家介紹了關(guān)于python標準庫之time模塊的語法與使用的相關(guān)資料,需要的朋友可以參考下2021-08-08
今天想使用python來創(chuàng)建一個xml文件。找了下資料，發(fā)現(xiàn)資料不是很多，基本上都是使用python來解析xml文件的2012-03-03
Python簡單調(diào)用MySQL存儲過程并獲得返回值的方法
這篇文章主要介紹了Python調(diào)用MySQL存儲過程并獲得返回值的方法,涉及Python操作MySQL存儲過程的使用技巧,具有一定參考借鑒價值,需要的朋友可以參考下2015-07-07
這篇文章主要介紹了Python 如何讀取位于包中的數(shù)據(jù)文件，幫助大家更好的理解和學習Python，感興趣的朋友可以了解下2020-08-08
Python+OpenCV圖像處理—— 色彩空間轉(zhuǎn)換
這篇文章主要介紹了Python+OpenCV如何對圖片進行色彩空間轉(zhuǎn)換，幫助大家更好的利用python處理圖片，感興趣的朋友可以了解下下2020-10-10
這篇文章主要為大家詳細介紹了如何使用OpenCV實現(xiàn)逐幀獲取視頻中的圖片用來標注,文中的示例代碼講解詳細,感興趣的小伙伴可以跟隨小編一起學習一下2024-03-03
本文介紹了通過pyinstaller和pywin32兩個插件在windows環(huán)境下，將py文件打包成exe文件，有需要的朋友可以參考下2014-11-11
python opencv實現(xiàn)圖片旋轉(zhuǎn)矩形分割
這篇文章主要為大家詳細介紹了python opencv實現(xiàn)圖片旋轉(zhuǎn)矩形分割，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-07-07
這篇文章主要介紹的是基于Python 優(yōu)化 MUI標題欄，一個特色鮮明MUI界面無疑是能夠吸引用戶的關(guān)鍵之一，這利用css和JavaScript可以很快進行實現(xiàn)，但是同時對于初學者來說也是困難的，下面文章就來學習幾個簡單的小技巧實現(xiàn)頁面美化吧,需要的朋友可以參考一下2021-11-11