Question

我有一个这样的txt文件：

"Adler; David L. (San Jose, CA)", 
"Albert; Richard D. (San Ramon, CA)", "Albert; Richard D. (San Ramon, CA) , Reyna; David L. (San Ramon, CA)", 
"Amano; Masaharu (Ibaraki, JP )"

这是一个人名和（他们的城市+他们的州）的文件。

现在我将不得不逐一分开每一条记录。

像这样：

Adler; David L. (San Jose, CA)

Albert; Richard D. (San Ramon, CA)

Albert; Richard D. (San Ramon, CA)

Reyna; David L. (San Ramon, CA)

Amano; Masaharu (Ibaraki, JP )

我怎么能意识到这一点？我不熟悉re，所以我们怎么能用例如这样来解决这个问题呢？也就是说，我们将通过以下索引对这个词进行分类，如两种逗号：

1

"Adler; David L. (San Jose, CA)", 
  "Albert; Richard D. (San Ramon, CA)"

成：

Adler; David L. (San Jose, CA)

Albert; Richard D. (San Ramon, CA)

2。Albert; Richard D. (San Ramon, CA) , Reyna; David L. (San Ramon, CA)

成：

Albert; Richard D. (San Ramon, CA)

Reyna; David L. (San Ramon, CA)

谢谢你！

Answer 1

正则表达式对此有好处。

txt='"Adler; David L. (San Jose, CA)", "Albert; Richard D. (San Ramon, CA)", "Albert; Richard D. (San Ramon, CA) , Reyna; David L. (San Ramon, CA)", "Amano; Masaharu (Ibaraki, JP )"'
import re
for s in re.findall(r'[^\s",(][^",(]*\([^)]*\)', txt):
    print s

打印

Adler; David L. (San Jose, CA)
Albert; Richard D. (San Ramon, CA)
Albert; Richard D. (San Ramon, CA)
Reyna; David L. (San Ramon, CA)
Amano; Masaharu (Ibaraki, JP )

在正则表达式中：

[^\s",(]除了空格，引号，逗号或左括号之外的一个字符
[^",(]*除引号，逗号或左括号外的零个或多个字符
\(左括号（必须通过\来转义，因为它在正则表达式中具有特殊含义）
[^)]*除右括号外的零个或多个字符
\)右括号

Answer 2

使用CSV module并将昏迷指定为分隔符。

Answer 3

如果您确定您的文件不包含任何与安全相关的内容，您可能只会这样做

exec("l = ["+text+"]")
print i for i in l

或者，对于正则表达式：

import re
res = re.findall("([A-Za-z]*?; [A-Za-z]+?( [A-Za-z]\.)?) \(([A-Za-z ]*?, [A-Z]*?)\)", text)
for i in res:
    name = i[0]
    if len(res) == 2: citystate = i[1]
    else: citystate = i[2]
    print name, citystate

只要城市和州的“）”之前没有结尾，那就应该有效。

Answer 4

从文本文件中删除引号。
使用'，'
学习＆amp;使用http://docs.python.org/2/library/re.html的正则表达式来提取名称＆amp;每个列表元素的位置。

Answer 5

如果您不限于python，那么我建议awk是完美的：

$ awk '{$1=$1}1' FPAT="[[:alpha:]]+;[^)]+)" OFS="\n" file
Adler; David L. (San Jose, CA)
Albert; Richard D. (San Ramon, CA)
Albert; Richard D. (San Ramon, CA)
Reyna; David L. (San Ramon, CA)
Amano; Masaharu (Ibaraki, JP )

FPAT用于设置字段模式，在这种情况下，字段模式为

[[:alpha:]]+     # One or more alphabetic character
;                # Followed by a literal semi-colon
[^)]+            # Followed by one or more none ) characters 
)                # Followed by a )

OFS用于设置输出字段分隔符，这里我们使用换行符。

注意：这需要GNU awk。

如何使用Python拆分特定的逗号

5 个答案: