0

我正在尝试使用 Ruby 来“标记”CSV 表中的记录，具体取决于特定字段是否包含重复的某个短语。我不确定是否有库可以帮助完成这类工作，而且我认识到 Ruby 可能不是做这类事情的最有效的语言。

我的 CSV 表包含我要搜索的唯一 ID 和文本字段：

ID,NOTES
1,MISSING DOB; ID CANNOT BE BLANK
2,INVALID MEMBER ID - unable to verify
3,needs follow-up
4,ID CANNOT BE BLANK-- additional info needed

从这个 CSV 表中，我提取了关键字并为它们分配了一个标签，该标签已存储在另一个 CSV 表中。

PHRASE,TAG
MISSING DOB,BLANKDOB
ID CANNOT BE BLANK,BLANKID
INVALID MEMBER ID,INVALIDID

请注意，除了我已识别并想要映射的短语之外，我的源代码中的 NOTES 列还包含标点符号和其他短语。此外，并非所有记录都有匹配的短语。

我想创建一个看起来像这样的表：

ID, TAG
1, BLANKDOB
1, BLANKID
2, INVALIDID
4, BLANKID

或者，交替使用用另一个字符分隔的标签：

ID, TAG
1, BLANKDOB; BLANKID
2, INVALIDID
4, BLANKID

我已将映射表加载到哈希中，以短语为键。

phrase_hash = {}
    CSV.foreach("phrase_lookup.csv") do |row|
        phrase, tag = row
        next if name == "PHRASE"
        phrase_hash[phrase] = tag
    end

散列的键是我想要遍历的搜索短语。我无法在 Ruby 中表达我接下来想做什么，但我的想法是：

将 NOTES 表加载到数组中。对于每个短语（即键），从包含该短语的数组中选择记录，收集与这些行关联的 ID，并将它们与该短语的关联标记一起输出，如上所述。

任何人都可以帮忙吗？

4

1 回答 1

0

我会给你一个使用哈希输入而不是 CSV 的例子：

notes = { 1 => "MISSING DOB; ID CANNOT BE BLANK",
          2 => "INVALID MEMBER ID - unable to verify",
          3 => "needs follow-up",
          4 => "ID CANNOT BE BLANK-- additional info needed"
        }

tags =  { "MISSING DOB" => "BLANKDOB",
          "ID CANNOT BE BLANK" => "BLANKID",
          "INVALID MEMBER ID" => "INVALIDID"
        }

output = {}

tags.each_pair do |tags_key,tags_value|
    notes.each_pair do |notes_key, notes_value|
        if notes_value.match(tags_key)
            output[notes_key] ||= []
            output[notes_key] << tags_value 
        end
    end
end 

puts output.map {|k,v| "#{k}, #{v.join("; ")}"}.sort
于 2013-01-31T11:09:49.660 回答