主页 / coding / 问题 / 79600667
Accepted
Andrew Alsberge
Asked: 2025-04-30 23:40:29 +0800 CST

python 中是否有更干净的字符串清理工具

  • 772

我正在尝试从我的示例字符串中创建一个字典，但我得到的样本源非常脏

我的工作python代码片段：

    dict(item.split(':', 1) for item in re.sub(' ', '', re.sub('"', '', ','.join(
            list(filter(None, re.sub('\r', '', text_subsection.split('text')[1]).split('\n')))))).split(',')
             )

text_subsection 中的内容示例如下：

\r\n; Count of Something: 3\r\ntext\r\n"Key1: 9999999, Key2: mnkhkljh213, Key3: 593, Key4: 66666"\r\n"Key5 something: sample, Desc: , Date: 4/28/2025, Time: 4:15 PM"\r\n"ANOTHERKEY: 622523, KEY1: 9999999, KEY6: 160305, KEY7: 0, KEY8: 10, KEY11: 1, DATE: 4/28/2025, TIME: 16:15:50"\r\n

笔记：

是的，key1 的形式为“Key1”和“KEY1”

是的，日期以“Date”和“DATE”的形式出现

是的，时间以“时间”和“时间”以及多个“：”的形式出现

是的，key5 名称中有一个空格

我同意稍后使用这个字典的逻辑中这些关键的重复

python

3 个回答

  1. Best Answer

    您可以合并两个外部的re.sub，删除list并将内部的re.sub与合并split：

    dict(item.split(':', 1) for item in re.sub(' |"', '', ','.join(filter(None, text_subsection.split('text')[1].split('\r\n')))).split(','))

    re.sub(' |"', '', ...)删除所有空格和双引号。

    join需要一个可迭代对象。它不一定是列表。

    如果\n总是带有\r，则删除\r并按 拆分\n与按 拆分相同\r\n。

    • 1

  2. 我不确定您是否觉得这更干净（我碰巧这么认为）因为这有点主观，但这似乎给了您想要的结果。

    text_subsection ="""\r\n; Count of Something: 3\r\ntext\r\n"Key1: 9999999, Key2: mnkhkljh213, Key3: 593, Key4: 66666"\r\n"Key5 something: sample, Desc: , Date: 4/28/2025, Time: 4:15 PM"\r\n"ANOTHERKEY: 622523, KEY1: 9999999, KEY6: 160305, KEY7: 0, KEY8: 10, KEY11: 1, DATE: 4/28/2025, TIME: 16:15:50"\r\n"""
result = {
    z[0]: z[1]
    for x in text_subsection.split("\r\n")
    for y in x.split(", ") if not y.startswith(";")
    for z in [y.strip('"').split(": ")] if len(z) == 2
}
print(json.dumps(result, indent=4))

    为您提供：

    {
    "Key1": "9999999",
    "Key2": "mnkhkljh213",
    "Key3": "593",
    "Key4": "66666",
    "Key5 something": "sample",
    "Desc": "",
    "Date": "4/28/2025",
    "Time": "4:15 PM",
    "ANOTHERKEY": "622523",
    "KEY1": "9999999",
    "KEY6": "160305",
    "KEY7": "0",
    "KEY8": "10",
    "KEY11": "1",
    "DATE": "4/28/2025",
    "TIME": "16:15:50"
}

    如果您确实想删除键中的空格，您可以执行以下操作：

    z[0].replace(" ", ""): z[1]
    • 0

  3. 鉴于您在评论中提到的减少对正则表达式的依赖，我在 regex101 中尝试了一下您的示例字符串。我认为您只需要这个：([A-Za-z0-9 ]+?):\s*([^,\r\n"]+)。匹配 n 是键和值的字符串。对于匹配 n，组 1 是键，组 2 是值。

    需要注意的是，你对某些事情的处理方式留下了一些模糊性。\r\ntext\r\n大概不是计数的一部分（不是数字），也不是键。它自成一行。这就是为什么我使用modified_text，因为我假设如果事物自成一行，那么如果没有合并，它们就会被预先擦除。

    因此你可以使用：

    matches = re.findall(
    r'([A-Za-z0-9 ]+?):\s*([^,\r\n"]+)', modified_text) 
#This extracts the match, which is what we first care about
)

result = {} # This creates the dictionary
for key, value in matches:
    key = key.strip()
    value = value.strip()
    if key not in result:
        result[key] = value
    • 0

相关问题