Question

您好我是python和regex的新手。我有一个大型CSV文件，其中包含%age composition等字段，其中包含以下值：

'34% passed 23% failed 46% deferred'

如何拆分此字符串以便获取字典对象：

每行

{'passed': 34, 'failed': 23, 'deferred': 46}？

我试过了：

for line in csv_lines:
    for match in re.findall('[\d\s%%]*\s', line)

但这只取％年龄值

Answer 1

如果你仍然想要使用正则表达式，你可以使用这个：

(\w+)%\s(\w+)

哪个匹配一个或多个字母数字字符（替代：[0-9a-zA-Z_]+）后跟%符号，空格字符和一个或多个字母数字字符。括号帮助capturing适当的字符集。

演示：

>>> import re
>>> s = '34% passed 23% failed 46% deferred'
>>> pattern = re.compile(r'(\w+)%\s(\w+)')
>>> {value: key for key, value in pattern.findall(s)}
{'failed': '23', 'passed': '34', 'deferred': '46'}

Answer 2

您不需要使用正则表达式：

>>> s = '34% passed 23% failed 46% deferred'
>>> groups = zip(*[iter(s.split())]*2)
>>> groups
[('34%', 'passed'), ('23%', 'failed'), ('46%', 'deferred')]
>>> {result: int(percent.rstrip('%')) for percent, result in groups}
{'failed': 23, 'passed': 34, 'deferred': 46}

zip(*[iter(..)]*2)来自grouper - itertools recipes（另见How does zip(*[iter(s)]*n) work in Python?）：

def grouper(iterable, n, fillvalue=None):
    "Collect data into fixed-length chunks or blocks"
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx
    args = [iter(iterable)] * n
    return izip_longest(fillvalue=fillvalue, *args)

Answer 3

试试这个：

[编辑：添加了对基于OP请求检查的单词的列表支持。还清除了alecx在此处使用的字典构建代码：https://stackoverflow.com/a/25628562/3646530]

import re

data = """34% passed 23% failed 46% deferred 34% checked"""
checkList = ['passed', 'failed', 'deferred', 'checked']
result = {k:v for (v, k) in re.findall('(\d{1,3})% (' + '|'.join(checkList) + ')', data)}
print(result) # Python 3
#print result # Python 2.7

这里的正则表达式是\ d {1,3} - 来捕获百分比int并通过| failed | deferred来获取类型。我使用列表推导来生成键和值的元组列表，然后我将其转换为字典

为了构建字符串＆＃39;传递|失败| ..＆＃39;我使用字符串的.join函数来连接checkList中的单词，并将竖线字符作为分隔符。

正则表达式在python中分割％年龄和值

3 个答案: