格式化原始字符串 Python

Question

我在 Python 中有一个原始字符串，它是通过 imap 库检索的。

看起来像这样：

Season: Winter 2017-18
Activity: Basketball - Boys JV
*DATE: 02/13/2018 * - ( previously 02/06/2018 )
Event type: Game
Home/Host: Clear Lake
Opponent: Webster City
*START TIME: 6:15PM CST* - ( previously 4:30PM CST )
Location: Clear Lake High School, 125 N. 20th Street, Clear Lake, IA

废弃每个标签后的数据的最佳方法是什么（标签是 DATE:）例如 DATE: 02/13/2018 * - ( previously 02/06/2018 ) 将设置为等于 Date 之类的变量，所以当 print(date) 被打印时， 02/13/2018 * - ( previously 02/06/2018 ) 将是输出。

我试过下面的代码，但它每行打印一个字符。谢谢！

for line in message:
     if "DATE:" in line:
          print line

Answer 1

您可以使用正则表达式和字典：

import re
s = """
Season: Winter 2017-18
Activity: Basketball - Boys JV
*DATE: 02/13/2018 * - ( previously 02/06/2018 )
Event type: Game
Home/Host: Clear Lake
Opponent: Webster City
*START TIME: 6:15PM CST* - ( previously 4:30PM CST )
Location: Clear Lake High School, 125 N. 20th Street, Clear Lake, IA
"""
final_dict = {(a[1:] if a.startswith('*') else a).strip('\r'):b.strip('\r') for a, b in filter(lambda x:len(x)> 1, [re.split('\:\s', i) for i in filter(None, s.split('\n'))])}

输出：

{'Home/Host': 'Clear Lake', 'Season': 'Winter 2017-18', 'START TIME': '6:15PM CST* - ( previously 4:30PM CST )', 'Location': 'Clear Lake High School, 125 N. 20th Street, Clear Lake, IA', 'Activity': 'Basketball - Boys JV', 'DATE': '02/13/2018 * - ( previously 02/06/2018 )', 'Event type': 'Game', 'Opponent': 'Webster City'}

Answer 2

您可以使用str.splitlines() to split the string to lines. Then iterate over the lines and use a regular expression提取数据，例如：

import re

for line in message.splitlines():
    match = re.match(r'\*DATE: (.*)', line)
    if match:
        date = match.group(1)
        print date

Answer 3

For line in message 迭代消息中的每一项：简单来说，消息是一个字符串，它的项是字符（因此它迭代每个字符）。

拆分是 simple/naive 解决问题的方法，但只要您的数据不会变得太复杂，它就可能会起作用：

使用message.split("\n") 在换行符上拆分字符串并对其进行迭代。然后，您可以使用 line.strip().strip("*").split(":", maxsplit=1) 将键与值分开。第一个 strip() 删除可能保留的额外空格（例如潜在的“\r”），第二个删除额外的星号。 maxsplit=1 在第一个冒号处停止（如果您的数据将冒号作为标签的一部分，这可能会出现问题）。

我说 key/value 是因为您可能真的不需要（或不想）将这些对动态分配给实际变量，并且可能只是将其存储为字典并根据需要进行查询。

output = dict()
for line in message.split("\n"): ## Split Lines
    key,value = line.strip().split(":",maxsplit=1) ## Remove extra whitespace/* and split at the first colon
    output[key] = value

编辑： 我的印象是 "date" 只是你的例子，但如果这就是你要找的全部，那么显然只需添加行 if key == "DATE" 和 return/print/etc 值。

Answer 4

如果您的数据在名为 datafile.txt 的文件中，您可以试试这个：

with open('datafile.txt', 'r') as f:
    for line in f:
         if line.startswith("*DATE:"):
            print(line)

Answer 5

这个解决方案有效（我相信相当 "Pythonic"）：

lines = message.split("\n") # Split your message into "lines"
sections = [line.split(": ") for line in lines] # Split lines by the "colon space"
message_dict = {section[0].lstrip(' '): section[1] for section in sections} # Dictionary comprehension to put your keys and values into a dict struct. Also removes leading whitespace from your keys.

格式化原始字符串 Python

Formatting Raw String Python

python

string

format

scrape