Question

我正在尝试创建一个完整的地址，但我得到的数据是：

Line 1                     | Line 2                   | Postcode
1, First Street, City, X13
1, First Street             First Street, City          X13 
1                           1, First Street, City, X13  X13

还有一些关于如何创建这些数据的其他排列，但我希望能够将所有这些合并到一个没有重叠的字符串中。所以我想创建字符串：
1, First Street, City, X13

但不是1, First Street, First Street, City, X13等。

如何在不复制数据的情况下连接或合并这些？在顶线上还有一些单元格，其中没有信息通过第一个单元格。

Answer 1

如果您有纯文本，则可以使用\n拆分文字以获取该行，并使用,拆分行以获取单独的字段：

>>> s = """1, First Street, City, X13
... 1, First Street             First Street, City,          X13 
... 1                           1, First Street, City, X13  X13"""
>>> 
>>> lines = s.split('\n')
>>> 
>>> splitted_lines = [line.split(',') for line in lines]

注意通过将逗号csv指定为分隔符，您可以使用,模块来阅读文本，这是一种更加pythonic的方法。

import csv
with open('file_name') as f:
    splitted_lines = csv.reader(f,delimiter=',')

然后，您可以使用以下列表推导来获取每列中的唯一字段：

>>> import re
>>> ' '.join([set([set(re.split(r'\s{2,}',i)).pop() for i in column]).pop() for column in zip(*splitted_lines)])
'1  First Street  City'

请注意，您可以在此处使用zip()功能获取列，然后将re.split()项与正则表达式r'\s{2,}'分开，将字符串拆分为2个或更多空格，然后可以起诉set()以保留唯一的项目。

注意：如果您关心订单，可以使用collections.OrderedDict代替set

>>> from collections import OrderedDict
>>> 
>>> d = OrderedDict()
>>> ' '.join([d.fromkeys([set(re.split('\s{2,}',i)).pop() for i in column]).keys()[0] for column in zip(*splitted_lines)])
'1  First Street  City  X13'

Answer 2

如果你不介意丢失标点符号：

from collections import OrderedDict
od = OrderedDict()


from string import punctuation
with open("test.txt") as f:
    next(f)
    print("".join(od.fromkeys(word.strip(punctuation) for line in f    
          for word in line.split())))

1 First Street City X13

如果您有重复的单词，您将无法使用该方法，但根据您的输入，无法知道可能的组合是什么，第二条线实际上始终完好无损，在这种情况下，您将只是需要拉第二行。

Python - 合并两个重叠的字符串

2 个答案: