从 Python 中的字符串中提取列表

Question

我正在尝试使用康奈尔电影数据集来创建聊天机器人。这是我要从中提取的字符串列表的格式，保存为 conv_lines:

["u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L194', 'L195', 'L196', 'L197']",
 "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L198', 'L199']",
 "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L200', 'L201', 'L202', 'L203']"]

我正在尝试通过提取每个字符串中的列表，从上面的字符串列表中创建以下列表。

[['L194', 'L195', 'L196', 'L197'],
 ['L198', 'L199'],
 ['L200', 'L201', 'L202', 'L203']]

我找到了这段代码，但不明白它是如何工作的。有没有人解释一下。

convs = [ ]
for line in conv_lines[:-1]:
    _line = line.split(' +++$+++ ')[-1][1:-1].replace("'","").replace(" ","")
    convs.append(_line.split(','))

我不明白为什么在for语句中和拆分后的代码中使用[:-1]。

Answer 1

您可以使用 ast.literal_eval 和 re:

import re, ast
d = ["u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L194', 'L195', 'L196', 'L197']","u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L198', 'L199']", "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L200', 'L201', 'L202', 'L203']"]
new_d = [ast.literal_eval(re.findall('\[[\w\W]+\]', i)[0]) for i in d]

输出：

[['L194', 'L195', 'L196', 'L197'], ['L198', 'L199'], ['L200', 'L201', 'L202', 'L203']]

Answer 2

使用 re 查找 []
使用ast.literal_eval获取列表对象

演示：

import re
import ast
data = ["u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L194', 'L195', 'L196', 'L197']",
 "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L198', 'L199']",
 "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L200', 'L201', 'L202', 'L203']"]

res = []
for i in data:
    val = re.findall(r"\[.*?\]", i)[0]
    res.append(ast.literal_eval(val))
print(res)

输出：

[['L194', 'L195', 'L196', 'L197'], ['L198', 'L199'], ['L200', 'L201', 'L202', 'L203']]

Answer 3

为了理解你的问题是什么，了解上下文会有所帮助。幸运的是，我确切地知道上下文，因为我参加了与您相同的 Udemy 课程。 ;)

convs = []
for line in conv_lines[:-1]:
    _line = line.split(' +++$+++ ')[-1][1:-1].replace("'","").replace(" ","")
    convs.append(_line.split(','))

for items in some_list[:-1] 通常意味着您正在遍历列表直到并排除该列表中的最后一项。

例如：

l = [1,2,3,4]
for i in l[:-1]:
    print(i)
Out[ ]:
1
2
3

现在了解这对您发布的代码意味着什么。在 for 语句中，除最后一项外，您每行都在抓取所有内容。所以最后一项肯定是没用的垃圾。不要相信我的话。核实。 print(conv_lines[-1]) 向您展示了什么？

现在[-1]的其他用途。 首先尝试使用原始数据中的只有一行来分解它。

line = "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L194', 'L195', 'L196', 'L197']"
convs = []
_line = line.split(' +++$+++ ')[-1] # notice I truncated after this.
convs.append(_line.split(','))

这是什么return？

convs
Out[ ]:
[["['L194'", " 'L195'", " 'L196'", " 'L197']"]]

那么现在呢。

convs = []
_line = line.split(' +++$+++ ')[-1][1:-1] # truncated again, but after adding back a bit.
convs.append(_line.split(','))

这 return 是什么意思？

convs
Out[ ]:
[["'L194'", " 'L195'", " 'L196'", " 'L197'"]]

继续。

convs = []
_line = line.split(' +++$+++ ')[-1][1:-1].replace("'","") # truncated less
convs.append(_line.split(','))

Returns:

convs
Out[ ]:
[['L194', ' L195', ' L196', ' L197']]

最后：

convs = []
_line = line.split(' +++$+++ ')[-1][1:-1].replace("'","").replace(" ","")
convs.append(_line.split(','))

Returns 超级数据科学人员提供的其余代码需要什么：

convs
Out[ ]:
[['L194', 'L195', 'L196', 'L197']]

请记住，此示例仅使用一行。使用 for 循环，您将使用不止一个 4 位字符串列表填充 convs 列表。有帮助吗？

从 Python 中的字符串中提取列表

Extracting List from Within a String in Python

python

string

extract

dataset