Question

最近，我得到了一个研究项目，该项目将学习如何将一些个人的传记数据解析为每个人的一组词典，从而大大受益。

该字符串包含断言词，我希望通过换行符创建关键词并通过换行符分隔词典。所以这里有两个人，我想在我的数据中创建两个不同的词典：

Bankers = ['Bakstansky，Peter;联邦高级副总裁纽约储备银行负责公共信息自1976年加入纽约联邦储备银行担任副总裁以来。前辈负责区域和社区事务办公室的官员，银行监察员和行政高级行政干事集团，m零儿童教育城市纽约学院（学士学位）工商管理，1961年）;伊利诺伊大学，研究生学校和纽约大学商学院。 1962-6：商业和金融作家，纽约，美国银行家，新约克 - 世界电报＆amp; Sun，Neia York Herald Tribune（银行编辑 1964-6）。 1966-74：大通曼哈顿银行：公共关系经理，总部设在巴黎，1966-71;大通欧洲市场营销经理规划，总部设在布鲁塞尔，1971-2;副总裁兼董事 Public Relations，1972-4.1974-76：Bache＆amp;有限公司副总裁兼企业传讯总监。巴伦，Patrick K。;第一副总统和＆lt;联邦储备银行的运营官o 亚特兰大自1996年2月以来。美联储成员“预备系统银行第一副主席副主席会议管理Con和折扣委员会，三个孩子Educ 迈阿密大学（管理学学士学位）;哈佛商学院（Prog Management Development）; Stonier Graduate Sr. 银行，罗格斯大学。 1967年：加入亚特兰大联邦储备银行在1971年的计算机操作中：转移到迈阿密分公司; 1974年：协助：总统; 1987年：高级副总裁.1988：re1-亚特兰大企业服务主管。格鲁吉亚成员执行委员会 Igmic教育委员会;大前任副主席 ji§？商业Charnber和大学校长迈阿密;在亚特兰大，前任||联合之路副主席亚特兰大领导亚特兰大队。理事会成员经济教育。利益。 ']

例如，在这个数据中，我有两个人 - 彼得巴坦奇和帕特里克K.巴伦。我想为每个人创建一个包含以下4个密钥的字典：bankerjobs，Number of children，Education和nonbankerjobs。

在本文中已经有断言：“m”=孩子的数量“Educ”，“m”之前的任何东西都是银行家和任何在第一个“。”之后的东西。在Educ是非银行职业之后，在个人之间断开关键字似乎是在“。”之后的任何数量的空格。大于1

如何使用这些4个键在这些断言上使用正则表达式为这两个人创建一个字典？

具体来说，什么样的正则表达式可以帮助我用这4个密钥为这两个人创建一个字典（建立在上面指定的断点字上）？

我在想的模式在perl中会是这样的：

pattern = [r'(m/[ '(.*);(.*)m(.*)Educ(.*)/)']

但我不确定..

我认为代码与此类似但请纠正错误：

my_banker_parser = re.compile(r'somefancyregex')

def nested_dict_from_text(text):
    m = re.search(my_banker_parser, text)
    if not m:
    raise ValueError
    d = m.groupdict()
    return { "centralbanker": d }

result = nested_dict_from_text(bankers)
print(result)

我希望能够采用这些代码并将其传递给所有感兴趣的人的传记。

Answer 1

使用命名组可能不那么脆弱，因为它不依赖于每个传记中相同顺序的数据片段。这样的事情应该有效：

>>> import re
>>> regex = re.compile(r'(?P<foo>foo)|(?P<bar>bar)|(?P<baz>baz)')
>>> data = {}
>>> for match in regex.finditer('bar baz foo something'):
...     data.update((k, v) for k, v in match.groupdict().items() if v is not None)
... 
>>> data
{'baz': 'baz', 'foo': 'foo', 'bar': 'bar'}

如何在Python中使用正则表达式将一系列传记信息拆分成不同的词典？

1 个答案: