数据结构
网络
关系数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究如何在 Python 中从结构化字符串中提取所需数据？
介绍...
我将向您展示几种从结构化字符串中提取所需数据/字段的方法。这些方法将有助于在输入结构的格式为已知格式的情况下。
操作方法..
1. 让我们创建一个虚拟格式来理解这种方法。
Report: <> - Time: <> - Player: <> - Titles: - Country: <>
报告：Daily_Report - 时间：2020-10-16T01:01:01.000001 - 玩家：费德勒 - 冠军：20 - 国家：瑞士
report = 'Report: Daily_Report - Time: 2020-10-10T12:30:59.000000 - Player: Federer - Titles: 20 - Country: Switzerland'
2. 我从报告中注意到的第一件事是分隔符，它是“-”。我们将继续使用“-”解析报告。
fields = report.split(' - ')
name, time, player , titles, _ = fields
print(f"Output \n *** The report name {name} generated on {time} has {titles} titles for {player}. ")输出
*** The report name Report: Daily_Report generated on Time: 2020-10-10T12:30:59.000000 has Titles: 20 titles for Player: Federer.
3. 现在输出并不像预期的那样，因为我们仍然可以看到一些不需要的标签，如 Report:、Time:、Player:。
# extract only report name
formatted_name = name.split(':')[1]
# extract only player
formatted_player = player.split(':')[1]
# extract only titles
formatted_titles = int(titles.split(':')[1])
# extract only titles
new_time = time.split(': ')[1]
print(f"Output \n {formatted_name} , {new_time}, {formatted_player} , {formatted_titles}")输出
Daily_Report , 2020-10-10T12:30:59.000000, Federer , 20
4. 现在时间戳采用 ISO 格式，如果需要，可以拆分，也可以保持原样。让我向您展示如何拆分时间戳字段。
from datetime import datetime
formatted_date = datetime.fromisoformat(new_time)
print(f"Output \n{formatted_date}")输出
2020-10-10 12:30:59
现在，我们将把所有这些步骤组合到一个函数中。
def parse_function(log):
"""
Function : Parse the given log in the format
Report: <> - Time: <> - Player: <> - Titles: - Country: <>
Args : log
Return : required data
"""
fields = log.split(' - ')
name, time, player , titles, _ = fields
# extract only report name
formatted_name = name.split(':')[1]
# extract only player
formatted_player = player.split(':')[1]
# extract only titles
formatted_titles = int(titles.split(':')[1])
# extract only titles
new_time = time.split(': ')[1]
return f"{formatted_name} , {new_time}, {formatted_player} , {formatted_titles}"
if __name__ == '__main__':
report = 'Report: Daily_Report - Time: 2020-10-10T12:30:59.000000 - Player: Federer - Titles: 20 - Country: Switzerland'
data = parse_function(report)
print(f"Output \n{data}")输出
Daily_Report , 2020-10-10T12:30:59.000000, Federer , 20
6. 我们可以使用 parse 模块使其更简单一些。正如您所看到的，该格式创建了一个模板。我们可以使用 parse 模块更轻松地做到这一点。
首先通过 - pip install parse 安装 parse 模块。
from parse import parse
report = 'Report: Daily_Report - Time: 2020-10-10T12:30:59.000000 - Player: Federer - Titles: 20 - Country: Switzerland'
# Looking at the report, create a template
template = 'Report: {name} - Time: {time} - Player: {player} - Titles: {titles} - Country: {country}'
# Run parse and check the results
data = parse(template, report)
print(f"Output \n{data}")输出
<Result () {'name': 'Daily_Report', 'time': '2020-10-10T12:30:59.000000', 'player': 'Federer', 'titles': '20', 'country': 'Switzerland'}>7. 通过简单的单行代码，我们能够通过定义模板从日志中提取数据。现在让我们提取各个值。
print(f"Output \n {data['name']} - {data['time']} - {data['player']} - {data['titles']} - {data['country']}")输出
Daily_Report - 2020-10-10T12:30:59.000000 - Federer - 20 - Switzerland
结论
您已经看到了几种从日志文件中解析所需数据的方法。建议定义模板并使用 parse 模块提取所需数据。
更新于： 2020年11月10日
1K+ 次查看
广告