40

我正在尝试对一组看起来像这样的不规则数据执行字符串拆分:

\n\tName: John Smith
\n\t  Home: Anytown USA
\n\t    Phone: 555-555-555
\n\t  Other Home: Somewhere Else
\n\t Notes: Other data
\n\tName: Jane Smith
\n\t  Misc: Data with spaces

我想将其转换为元组/字典,稍后我将在冒号上拆分:,但首先我需要摆脱所有额外的空格。我猜正则表达式是最好的方法,但我似乎无法找到一个有效的方法,下面是我的尝试。

data_string.split('\n\t *')
4

7 回答 7

84

只需使用.strip(),它会在拆分时为您删除所有空格,包括制表符和换行符。然后可以使用以下方法完成拆分本身data_string.splitlines()

[s.strip() for s in data_string.splitlines()]

输出:

>>> [s.strip() for s in data_string.splitlines()]
['Name: John Smith', 'Home: Anytown USA', 'Phone: 555-555-555', 'Other Home: Somewhere Else', 'Notes: Other data', 'Name: Jane Smith', 'Misc: Data with spaces']

您现在甚至可以内联拆分:

>>> [s.strip().split(': ') for s in data_string.splitlines()]
[['Name', 'John Smith'], ['Home', 'Anytown USA'], ['Phone', '555-555-555'], ['Other Home', 'Somewhere Else'], ['Notes', 'Other data'], ['Name', 'Jane Smith'], ['Misc', 'Data with spaces']]
于 2012-09-21T15:56:07.930 回答
7
>>> for line in s.splitlines():
...     line = line.strip()
...     if not line:continue
...     ary.append(line.split(":"))
...
>>> ary
[['Name', ' John Smith'], ['Home', ' Anytown USA'], ['Misc', ' Data with spaces'
]]
>>> dict(ary)
{'Home': ' Anytown USA', 'Misc': ' Data with spaces', 'Name': ' John Smith'}
>>>
于 2012-09-21T16:01:14.790 回答
5

如果您查看以下文档str.split

如果 sep 未指定或为 None,则应用不同的拆分算法:连续空格的运行被视为单个分隔符,如果字符串具有前导或尾随空格,则结果将在开头或结尾不包含空字符串。因此,使用 None 分隔符拆分空字符串或仅包含空格的字符串将返回 []。

换句话说,如果您想弄清楚要传递什么来到达split,那么什么都不传递(或不传递)。'\n\tName: Jane Smith'['Name:', 'Jane', 'Smith']

这几乎解决了你的整个问题。剩下两部分。

首先,您只有两个字段,其中第二个可以包含空格。所以,你只想要一个分裂,而不是尽可能多的分裂。所以:

s.split(None, 1)

接下来,你还有那些讨厌的冒号。但是你不需要分裂它们。至少给定您向我们展示的数据,冒号始终出现在第一个字段的末尾,之前没有空格,之后总是有空格,因此您可以将其删除:

key, value = s.split(None, 1)
key = key[:-1]

当然,还有一百万种其他方法可以做到这一点。这只是似乎最接近您已经尝试过的那个。

于 2012-09-21T17:43:51.823 回答
5

您可以用一块正则表达式石杀死两只鸟:

>>> r = """
... \n\tName: John Smith
... \n\t  Home: Anytown USA
... \n\t    Phone: 555-555-555
... \n\t  Other Home: Somewhere Else
... \n\t Notes: Other data
... \n\tName: Jane Smith
... \n\t  Misc: Data with spaces
... """
>>> import re
>>> print re.findall(r'(\S[^:]+):\s*(.*\S)', r)
[('Name', 'John Smith'), ('Home', 'Anytown USA'), ('Phone', '555-555-555'), ('Other Home', 'Somewhere Else'), ('Notes', 'Other data'), ('Name', 'Jane Smith'), ('Misc', 'Data with spaces')]
>>> 
于 2012-09-21T16:03:04.393 回答
0

正则表达式并不是这里工作的最佳工具。正如其他人所说,使用str.strip()and的组合str.split()是要走的路。这是一个单一的班轮做到这一点:

>>> data = '''\n\tName: John Smith
... \n\t  Home: Anytown USA
... \n\t    Phone: 555-555-555
... \n\t  Other Home: Somewhere Else
... \n\t Notes: Other data
... \n\tName: Jane Smith
... \n\t  Misc: Data with spaces'''
>>> {line.strip().split(': ')[0]:line.split(': ')[1] for line in data.splitlines() if line.strip() != ''}
{'Name': 'Jane Smith', 'Other Home': 'Somewhere Else', 'Notes': 'Other data', 'Misc': 'Data with spaces', 'Phone': '555-555-555', 'Home': 'Anytown USA'}
于 2012-09-21T16:05:55.657 回答
0

你可以用这个

string.strip().split(":")
于 2012-09-21T15:59:37.067 回答
0

我不得不在换行符 (\n) 和制表符 (\t) 上拆分字符串。我所做的是首先用 \t 替换 \n ,然后在 \t 上拆分

example_arr = example_string.replace("\n", "\t").split("\t")
于 2021-12-08T07:17:45.113 回答