Question

我在一个excel列的行中有2000多个字符串。每个单元格都有一个遵循以下格式的字符串：

＆＃34; BROOKDALE WOODSTOCK 1000 Professional Way伍德斯托克，GA 30188（678）341-5720 www.brookdale.com＆＃34;

我想将此字符串拆分为4个不同的类别。我还想到了如何使用哪种字符串格式作为分隔符。

企业名称（全部大写字母的一部分（BROOKDALE WOODSTOCK））
地址（以企业名称开头并以子字符串结束的东西＆＃34; GA 30 ###＆＃34;（其中＃是任意数字））
电话号码（将在地址后面开始并按照格式（###）### - ####）
网站地址（将以电话号码开头，以＆＃34; www。＆＃34开头，然后一直到字符串结束）

理想情况下，从上面的示例中，我有一个脚本可以将其转换为：

BROOKDALE WOODSTOCK，1000 Professional Way Woodstock，GA 30188，（678）341-5720，www.brookdale.com

有谁知道我怎么能做到这一点？我应该将其导出为.csv文件并在Python中执行此操作。有没有办法在Excel中完成这个任务？城市和州（伍德斯托克，乔治亚州）之间的字符串中预先存在的逗号是否会影响.csv文件？我该如何解决这个问题？

提前致谢。

Answer 1

您的专线位于A1，请使用这些公式

在B1：=TRIM(LEFT(A1,FIND({"1","2","3","4","5","6","7","8","9","0"},A1)-1))

C1：=TRIM(MID(A1,LEN(B1)+1,FIND("GA 30",A1)-LEN(B1)))

在D1：=MID(A1,FIND("(",A1),13)
在E1：=MID(A1,FIND("www",A1),999)

请注意，这假设GA 30，(和www不会在字符串中的任何其他地方显示，而不是OP中的特定位置

Answer 2

以下（粗略）大纲是您正在寻找的“天真”实现。但是：

鉴于提供的数据量稀少，可能会在某些时候失败
这会假设从文件中“逐行”读取，我不确定如何转换excel文件。
根据数据的一致性，这里和那里可能会出现一些“流氓”空白
整个“逗号作为地址存储在.csv文件中的部分”问题仍未解决

这是：

import re

# Input
sample = "BROOKDALE WOODSTOCK 1000 Professional Way Woodstock, GA 30188 (678) 341-5720 www.brookdale.com"

# Split the line around its blank spaces
lst = sample.split(' ')

# Create an empty list for each desired category
part1 = []
part2 = []
part3 = []
part4 = []

# Now to put each element into the right category
while lst:
    # Part 1
    while lst:
        e = lst.pop(0)
        if not re.search("[0-9]", e):
            part1.append(e)
        else:
            break
    # Part 2
    part2.append(e)
    while lst:
        e = lst.pop(0)
        if not re.search("\(", e):
            part2.append(e)
        else:
            break
    # Part 3
    part3.append(e)
    while lst:
        e = lst.pop(0)
        if not re.search("w", e):
            part3.append(e)
        else:
            break
    # Part 4
    part4 = [e] + lst

# For "proof of concept" purposes, join the fields and print them out
part1 = " ".join(part1)
part2 = " ".join(part2)
part3 = " ".join(part3)
part4 = " ".join(part4)

print("%s\n%s\n%s\n%s" % (part1, part2, part3, part4))

输出：

BROOKDALE WOODSTOCK 
1000 Professional Way Woodstock, GA 30188
(678) 341-5720
www.brookdale.com

Answer 3

如果您的2000个地址都遵循该格式，则可以使用正则表达式：

>>> import re
>>> s="BROOKDALE WOODSTOCK 1000 Professional Way Woodstock, GA 30188 (678) 341-5720 www.brookdale.com"
>>> pat=r'^([A-Z ]+)[ ](\d+[\w ]+,[ ]GA\s30\d\d\d)[ ](\(\d\d\d\)[ ]\d\d\d-\d\d\d\d)[ ](www[.\w]+)$'
>>> ', '.join(re.findall(pat, s)[0])
'BROOKDALE WOODSTOCK, 1000 Professional Way Woodstock, GA 30188, (678) 341-5720, www.brookdale.com'

尝试将字符串拆分为几个单独的类别

3 个答案: