Question

感谢您查看以下内容。从“搁置”来看，我有一套丑陋的数据。

import shelve,os,re

os.chdir('''.\wikiUSstates''')

shelfFile = shelve.open('''.\IndiaTEMP''')
k=shelfFile['indiaprovinces']
print(type(k)) #This is type STR
print(k)

回归以下。这是印度的省份，其次是首都。

<class 'str'>
['Andhra Pradesh - Hyderabad（拟议资本： Guntur区的Amaravati。请参阅下面的“，”。''，'Arunachal Pradesh - Itanagar'，'Assam - Dispur'，'比哈尔 - 巴特那'，'果阿 - 帕纳吉'，'古吉拉特邦 - Gandhinagar'，'Haryana - Chandigarh'，'Himachal Pradesh - Shimla'， '查谟＆amp;克什米尔 - 斯利那加（冬季：查谟）'，'卡纳塔克邦 - Bangalooru'，'喀拉拉邦 - Thiruvananthapuram'，'Madhya Pradesh - Bhopal'， 'Maharashtra - Mumbai'，'Manipur - Imphal'，'Meghalaya - Shillong'， 'Mizoram - Aizawl'，'Nagaland - Kohima'，'Orissa - Bhubaneswar'， '旁遮普 - 昌迪加'，'拉贾斯坦邦 - 斋浦尔'，'锡金 - 甘托克'， 'Tamil Nadu - Chennai'，'Tripura - Agartala'，'Uttar Pradesh - 勒克瑙'，'西孟加拉邦 - 加尔各答'，'恰蒂斯加尔 - 赖布尔'， 'Uttarakhand - Dehradun'，'Jharkhand - Ranchi'，'Telangana - 海德拉巴（见'，'下方''，'德里（德里国家首都辖区或NCT） - 新德里*'，'安达曼＆amp;尼科巴群岛 - 布莱尔港'，'昌迪加尔 - Chandigarh'，'Dadra＆amp; Nagar Haveli - Silvasa'，'Daman＆amp; Diu - Daman'，'Lakshadweep - Kavaratti'，'Puducherry - Puducherry'，'\ n'， '\ n'，'\ n'，'\ n']

我正在尝试使这些数据可行（或者我可以通过索引号列表[[]]遍历省份列表，列表[1]是大写，或者甚至更好，字典（键是“省”，价值是“资本”）。

我尝试用REGEX以某种方式取出连字符并用昏迷代替它们，但没有成功。字符串末尾的丑陋换行也必须要处理（k.replace ??）。

干杯，谢谢你的手！

热心的初学者。

Answer 1

我会给你一个开始，你可以修改并让它按你想要的方式工作。

>>> def clean_string(string):
...     bracket = string.find('(')
...     if bracket > 1:
...         string = string[:bracket]
...     return string.strip()
... 
>>> for line in k:
...     print(list(map(clean_string, line.split('–'))))
... 
['Andhra Pradesh', 'Hyderabad']
['below.)']
['Arunachal Pradesh', 'Itanagar']
['Assam', 'Dispur']
['Bihar', 'Patna']
['Goa', 'Panaji']
['Gujarat', 'Gandhinagar']
['Haryana', 'Chandigarh']
['Himachal Pradesh', 'Shimla']
['Jammu & Kashmir', 'Srinagar']
['Karnataka', 'Bangalooru']
['Kerala', 'Thiruvananthapuram']
['Madhya Pradesh', 'Bhopal']
['Maharashtra', 'Mumbai']
['Manipur', 'Imphal']
['Meghalaya', 'Shillong']
['Mizoram', 'Aizawl']
['Nagaland', 'Kohima']
['Orissa', 'Bhubaneswar']
['Punjab', 'Chandigarh']
['Rajasthan', 'Jaipur']
['Sikkim', 'Gangtok']
['Tamil Nadu', 'Chennai']
['Tripura', 'Agartala']
['Uttar Pradesh', 'Lucknow']
['West Bengal', 'Kolkata']
['Chhattisgarh', 'Raipur']
['Uttarakhand', 'Dehradun']
['Jharkhand', 'Ranchi']
['Telangana', 'Hyderabad']
['below)']
['Delhi', 'New Delhi *']
['Andaman & Nicobar Islands', 'Port Blair']
['Chandigarh', 'Chandigarh']
['Dadra & Nagar Haveli', 'Silvasa']
['Daman & Diu', 'Daman']
['Lakshadweep', 'Kavaratti']
['Puducherry', 'Puducherry']
['']
['']
['']
['']

可能有助于查看字符串中是否存在'–'，这样我们就不会获得['below.)']和['']等垃圾值。

将丑陋的字符串格式化为列表/字典

1 个答案: