代码之家 › 专栏 › 技术社区 › geoJshaun

Python多重拆分条件

regex python

geoJshaun · 技术社区 · 2 年前

我有一个表,其中有一个街道编号字段,应该都是数值,但数据集的创建者允许567M或4321.5等无效值来指示公寓号或奶奶单元。我需要将整数放入一个新字段,并将字母值和十进制值放入街道后缀字段。我一直在玩regex和 isalpha() 和 isalnum() :

# import regex
import re

# list of values that should be all numbers
lst = ['1234', '4321.5', '567M']

# create new lists where l1 will be numeric datatypes and l2 will contain suffixes
# if there is a decimal symbol the string should be split with first value being all numbers
# and going into l1 and everything after decimal in l2
l1 = []
l2 =[]

for i in lst:
    if i.isalnum(): # all characters are numeric and good to go. Maybe need to do int()? 
        l1.append(i)
    elif '.' in i: # a decimal was found and values need to to be split and placed into two different lists
        i.split(".")
        l1.append(i[0])
        l2.append(i[-1])
    else:
        if i.isnumeric() == False: # if a letter is found in a list item everything prior to letter goes to l1 and letter goes to l2
            i = re.split('(\d+)', i)
            l1.append(i[0])
            l2.append(i[-1])

我在运行代码时立即得到了以下信息:

['4321', '5']

然后得到了这个 l1 和 l2 ( l1 是新的数字列表,并且 l2 是字符串后缀列表):

['4321', '5']
l1
['1234', '4', '567M']
l2
['5']

我朝着正确的方向走了吗?我希望这会更简单,但数据很不稳定。

2 回复 | 直到 2 年前

bztes 2 年前

您可以使用正则表达式来进行模式匹配。表达式将由三个部分组成:

街道编号: [1-9]\d*
可选的分隔符,例如-: [\.,\- ]*
后缀(除空格外的任何字符): [^\s]*

import re

pattern = re.compile(r'(?P<number>[1-9]\d*)[\.,\- ]*(?P<suffix>[^\s]*)')

list = ['1234', '4321.5', '567M', ' 31-a ']
l1 = []
l2 = []
for item in list:
    match = pattern.search(item)
    if match:
        l1.append(int(match.group('number')))
        l2.append(match.group('suffix'))
    
print(f'l1: {l1}')
print(f'l2: {l2}')

后果

l1: [1234, 4321, 567, 31]
l2: ['', '5', 'M', 'a']

Blckknght 2 年前

你的第一个问题是 i.split(".") 本身没有做任何有用的事情,它退货一份分片的清单。你没有使用它(看起来你的解释器正在为你打印它),然后你继续索引到原始的、未拆分的字符串中 i = i.split(".") 修复代码的这一部分,但下面我建议一个更好的方法。

另一个问题是正则表达式分割代码也不起作用。与其尝试修复它,我建议使用完全不同的regex方法,它还将处理您正在查看的其他情况:

for i in lst:
    match = re.match(r'(\d+)\.?(.*)', i)
    if match is None:
        raise ValueError("invalid address format {i}")
    l1.append(match.group(1))
    l2.append(match.group(2))

这使用正则表达式模式来匹配所需街道编号的两个部分。任何前导数字部分都会被第一个捕获组匹配并放入 l1 ,并且后面的任何其他内容(可选地在小数点之后)都进入 l2 。如果街道编号没有多余的部分,第二部分可能是一个空字符串,但我仍然将其放入 l2 ,当你尝试迭代时,你会很感激 l1 和 l2 在一起