Python 結構化字符串中提取數據詳情
前言
在許多自動化任務中，我們都需要從已知格式結構化的輸入文本中提取相關信息。例如，我們可能需要在一段電影評論數據中提取觀影時間、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據信息為例講解如何從結構化字符串中提取數據。
從結構化字符串中提取數據
假設我們具有以下結構的電影評分數據，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。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：
>>> 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據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構化字符串中的數據：
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)>
到此這篇關于Python 結構化字符串中提取數據詳情的文章就介紹到這了,更多相關Python 提取數據內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要為大家詳細介紹了python編程實現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,與時間處理有關的模塊就包括：time、datetime以及calendar,這篇文章主要給大家介紹了關于python標準庫之time模塊的語法與使用的相關資料,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)現資料不是很多，基本上都是使用python來解析xml文件的2012-03-03
這篇文章主要介紹了Python調用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據文件，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
這篇文章主要介紹了Python+OpenCV如何對圖片進行色彩空間轉換，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
這篇文章主要為大家詳細介紹了python opencv實現圖片旋轉矩形分割，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鍵之一，這利用css和JavaScript可以很快進行實現，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頁面美化吧,需要的朋友可以參考一下2021-11-11