比较循环中的下一项，连接字符串并保留列表项

Question

我下面 defaultdict(list) 叫 cols:

defaultdict(<class 'list'>,
{1: [{'text': 'Page',
       'top': Decimal('83.640')
    },{'text': '1,',
       'top': Decimal('83.640')
    },{'text': 'col',
       'top': Decimal('98.040')
    },{'text': '1.',
       'top': Decimal('98.040')
    }],
2: [{'text': 'Page',
    'top': Decimal('112.920')
    },{'text': '1,',
    'top': Decimal('112.920')
    },{'text': 'col',
    'top': Decimal('132.020')
    },{'text': '2.',
    'top': Decimal('132.020')
    }],
3: [{'text': 'Page',
    'top': Decimal('127.560')
    },{'text': '1,',
    'top': Decimal('127.560')
    },{'text': 'col',
    'top': Decimal('167.060')
    },{'text': '3',
    'top': Decimal('167.060')
}]})

我想转换，因此对于 defaultdict(list) 中的每个 col（1、2 和 3），我会连接 text 字符串，如果top 值等于（或在公差范围内）列表中下一个 text 字符串的级别。

如果不是，我想加上代表"a new line"的东西。

因此，例如上面的列表：

[0]:
Page 1,
Col 1.
[1]:
Page 1,
Col 2.
[2]:
Page 1,
Col 3.

到目前为止，这是我的代码：

current_row = [list(cols.values())[0][0], ] #The first word.
row_list = [current_row,]
for col in cols.values():
    for i, word in enumerate(col):
        prevWord = col[i - 1]
        if i > 0:  # skip first word
            if abs(prevWord['bottom'] - word['bottom']) <= float(10): #10 is the tolerance level.
                #distance is small, use same row 
                current_row.append(word)
            else:
                # distance is big, create new row
                current_row = [word, ]
                row_list.append(current_row)

然而，这似乎只是添加了一个包含所有元素的新列表（与我原来的列表相同，没有 1,2,3 键）。

预期输出：

{
    [{'text': 'Page 1,',
      'top': Decimal('83.640')
    },{'text': 'col 1.',
       'top': Decimal('98.040')
    }],
    [{'text': 'Page 1,',
      'top': Decimal('112.920')
    },{'text': 'col 2.',
       'top': Decimal('132.020')
    }],
    [{'text': 'Page 1,',
       'top': Decimal('127.560')
    },{'text': 'col 3.',
       'top': Decimal('167.060')
    }]
}

正如您在上面看到的，如果 top 值在容差范围内并且 top 值保留用于项目，则 text 已连接。

Answer 1

您的代码中的问题是，当差异在容差范围内时，您没有连接字符串；你只是做了一个新项目。试试这个代码：

row_list = []
for col in cols.values():
    current_row = [col[0]]
    for i, word in enumerate(col):
        prevWord = col[i - 1]
        if i > 0:  # skip first word
            if abs(prevWord['top'] - word['top']) <= float(10): #10 is the tolerance level.
                #distance is small, use same row
                current_row[-1]['text'] += " " + word['text']
            else:
                # distance is big, create new row
                current_row.append(word) 
    row_list.append(current_row)
    current_row = []

print(row_list)

比较循环中的下一项，连接字符串并保留列表项

Compare next item in loop, concatenate string and keep list items

python

python-3.x

python-3.7

预期输出：