Python 結(jié)構(gòu)化字符串中提取數(shù)據(jù)詳情

更新時(shí)間：2022年08月19日 14:44:31 作者：盼小輝丶

這篇文章主要介紹了Python 結(jié)構(gòu)化字符串中提取數(shù)據(jù)詳情，文章圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的小伙伴可以參考一下

前言

在許多自動(dòng)化任務(wù)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(píng)論數(shù)據(jù)中提取觀影時(shí)間、電影名、評(píng)分等信息，以便存儲(chǔ)后進(jìn)行進(jìn)一步分析。在本節(jié)中，我們將以提取電影評(píng)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(píng)分?jǐn)?shù)據(jù)，我們需要解析存儲(chǔ)觀影時(shí)間、電影名、評(píng)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(píng)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(biāo)準(zhǔn)格式表示時(shí)間和日期，這在計(jì)算機(jī)中廣泛應(yīng)用。

字符串解析

首先，導(dǎo)入所需庫，并給出所需解析的用戶對(duì)電影的評(píng)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(píng)分記錄使用 split() 方法拆分為多個(gè)部分，我們使用 “-” 作為分隔符拆分每個(gè)元素，將評(píng)分記錄拆分為 4 部分——時(shí)間戳、電影 ID、電影名和電影評(píng)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(shí)間戳解析為 datetime 對(duì)象。由于在評(píng)分記錄中時(shí)間戳包含在方括號(hào)中，為了正確解析時(shí)間戳，需要去掉括號(hào)，然后使用 delorean 模塊將其解析為日期時(shí)間對(duì)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(hào)作為分隔符拆分 movie_id，然后，將最后一個(gè)元素解析為整數(shù)：

>>> movie_id = int(movie_id.split(':')[-1])
>>> movie_id
15

將評(píng)分解析為 Decimal 類型。為了解析電影評(píng)分，我們同樣使用冒號(hào)作為分隔符拆分 score，并將其解析為十進(jìn)制字符對(duì)象 Decimal (這是由于此值解析為浮點(diǎn)類型會(huì)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(gè)對(duì)象。例如，我們可以通過在 Python 代碼中定義一個(gè)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(duì)評(píng)分記錄進(jìn)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(qǐng)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！

您可能感興趣的文章: