3

我试图弄清楚如何根据此列表从字符串中提取一些数据：

check_list = ['E1', 'E2', 'E7', 'E3', 'E9', 'E10', 'E12', 'IN1', 'IN2', 'IN4', 'IN10']

例如对于这个列表：

s1 = "apto E1-E10 tower 1-2 sanit"

我会得到['E1', 'E10']

s2 = "apto IN2-IN1-IN4-E12-IN10 mamp"

为此，我会得到：['IN2', 'IN1', 'IN4', 'E12', 'IN10']

然后这变得很棘手：

s3 = "E-2-7-3-9-12; IN1-4-10 T 1-2 inst. hidr."

我会得到：['E2', 'E7', 'E3', 'E9', 'E12', 'IN1', 'IN4', 'IN10']

你能给一些建议来解决这个问题吗？

4

4 回答 4

3

以下应该有效：

def extract_data(s):
    check_set = set(['E1', 'E2', 'E7', 'E3', 'E9', 'E10', 'E12',
                     'IN1', 'IN2', 'IN4', 'IN10'])
    result = []
    for match in re.finditer(r'\b(E|IN)[-\d]+', s):
        for digits in re.findall(r'\d+', match.group(0)):
            item = match.group(1) + digits
            if item in check_set:
                result.append(item)
    return result

例子：

>>> extract_data("apto E1-E10 tower 1-2 sanit")
['E1', 'E10']
>>> extract_data("apto IN2-IN1-IN4-E12-IN10 mamp")
['IN2', 'IN1', 'IN4', 'E12', 'IN10']
>>> extract_data("E-2-7-3-9-12; IN1-4-10 T 1-2 inst. hidr.")
['E2', 'E7', 'E3', 'E9', 'E12', 'IN1', 'IN4', 'IN10']
于 2012-06-14T22:30:12.723 回答
1 
import re

def parse(string):
  result = []
  for match in re.findall('(E|IN)-{0,1}([\d]+)((-[\d]+)*)', string):
    letter = match[0]
    numbers = [int(i) for i in [match[1]] + match[2].split('-')[1:]]
    for number in numbers:
      result.append('%s%d' % (letter, number))

  return result


print parse('apto E1-E10 tower 1-2 sanit')
print parse('apto IN2-IN1-IN4-E12-IN10 mamp')
print parse('E-2-7-3-9-12; IN1-4-10 T 1-2 inst. hidr.')
于 2012-06-14T22:31:29.930 回答
0

这是部分答案，更多地表明我可能会如何开始解决您的问题。

使用“键”IN和E，我将在字符串中搜索与键匹配的模式，后跟任意数量的空格或破折号。

例如：

import re

S = ['apto E1-E10 tower 1-2 sanit','apto IN2-IN1-IN4-E12-IN10 mamp','E-2-7-3-9-12; IN1-4-10 T 1-2 inst. hidr.']

for s in S:
    print s
    M = re.findall(r'(IN[\d\-]*)', s)
    for m in M: print m

    M = re.findall(r'(E[\d\-]*)', s)
    for m in M: print m

产生：

$蟒蛇提取物.py
apto E1-E10 塔 1-2 卫生
E1-
E10
apto IN2-IN1-IN4-E12-IN10 放大器
IN2-
IN1-
IN4-
IN10
E12-
E-2-7-3-9-12；IN1-4-10 T 1-2 安装。希德尔。
IN1-4-10
E-2-7-3-9-12

然后我会采取每一个m并进一步解析它。所以这E1-导致[E1]并E-2-7-3-9-12导致[E2,E7,E3,E9,E12]。

于 2012-06-14T22:33:14.703 回答
0

我试图使其尽可能笼统：

import re

def make_relist(l):
    relist = []
    for a in l:
        alpha, num = re.match('([a-zA-Z]+)(\d+)', a).groups()
        re_string = r'\b{0}({1}|\d*-(\d+-)*{1})\b'.format(alpha, num)
        relist.append((a, re.compile(re_string)))

    return relist

def extract(s, relist):
   return [v for v, r in relist if r.search(s)]

测试：

>>> tokens = ['E1', 'E2', 'E7', 'E3', 'E9', 'E10', 'E12', 'IN1', 'IN2', 'IN4', 'IN10']
>>> relist = make_relist(tokens)
>>> extract("apto E1-E10 tower 1-2 sanit", relist)
['E1', 'E10']
>>> extract("apto IN2-IN1-IN4-E12-IN10 mamp", relist)
['E12', 'IN1', 'IN2', 'IN4', 'IN10']
>>> extract("E-2-7-3-9-12; IN1-4-10 T 1-2 inst. hidr.", relist)
['E2', 'E7', 'E3', 'E9', 'E12', 'IN1', 'IN4', 'IN10']

请注意，如果您要从中提取大量字符串，这将变得更加高效，因为在这种情况下编译开销时间变得微不足道。

于 2012-06-15T00:20:09.197 回答