在python中拆分文件内容

Question

我得到了用逗号分隔的总统的名字，其中有些细节如下：

James Earl Carter, Jr., 1977-1981, Democrat
Ronald Wilson Reagan, 1981-1989, Republican
George Herbert Walker Bush, 1989-1993, Republican

现在我想要三张这样的单子：

Name = ['Carter' , 'Reagan' , 'Bush']

StartYears = [1977,1981,1989]

EndYears = [1981,1989,1993]

Party = ['Democrat','Republican','Republican']

但我面临一些问题：

James Earl Carter, Jr. contains comma already so splitting is not working properly.

怎么做？请帮忙

Answer 1

使用zip函数和基于positive look-ahead的正则表达式：

>>> s="""James Earl Carter, Jr., 1977-1981, Democrat
... Ronald Wilson Reagan, 1981-1989, Republican
... George Herbert Walker Bush, 1989-1993, Republican"""
>>> 
>>> list(zip(*[re.findall(r'\w+(?=[,-]|$)',i) for i in s.split('\n')]))
[('Carter', 'Reagan', 'Bush'), 
 ('1977', '1981', '1989'), 
 ('1981', '1989', '1993'), 
 ('Democrat', 'Republican', 'Republican')]

以下正则表达式：

r'\w+(?=[,-]|$)'

将找到位于,或-之前或位于字符串末尾的任何单词字符组合

如果您处理的是较长的列表，我建议您使用^{}，这对于此类问题更为合适，而且在列表的列数不相同时也很好。它还接受fillvalue参数来填充缺少的列：

>>> s="""James Earl Carter, Jr., 1977-1981, Democrat,anothername,12222 
... Ronald Wilson Reagan, 1981-1989, Republican,33453
... George Herbert Walker Bush, 1989-1993, Republican"""

>>> from itertools import zip_longest
>>> list(zip_longest(*[re.findall(r'\w+(?=[,-]|$)',i) for i in s.split('\n')],fillvalue='**'))
[('Carter', 'Reagan', 'Bush'), 
 ('1977', '1981', '1989'), 
 ('1981', '1989', '1993'), 
 ('Democrat', 'Republican', 'Republican'), 
 ('anothername', '33453', '**')]
>>> 

请注意，在这两种情况下，如果要迭代izip_longest或zip的结果，则不需要调用list，这只是为了演示结果

Answer 2

如果你想用re

# Assume: s = 'James Earl Carter, Jr., 1977-1981, Democrat'
reg = re.compile('(\w+\s+)*(?P<name>\w+),\D*(?P<startyear>\d+)-(?P<endyear>\d+),\s*(?P<party>\w+)')
m = reg.search(s)
Name.append(m.group('name'))
StartYears.append(m.group('startyear'))
EndYears.append(m.group('endyear'))
Party.append(m.group('party'))

Answer 3

从您的数据集来看，似乎只有名称可以包含,，其他名称不能，因此您可以使用rsplit函数从后面拆分，并为其指定参数','和2，这意味着使用逗号从后面拆分并在2个拆分处停止

示例-

s = "James Earl Carter, Jr., 1977-1981, Democrat".rsplit(',',2)
print(s)
>> ['James Earl Carter, Jr.', ' 1977-1981', ' Democrat']

另外，如果对于name列表，条件是在没有,的情况下选择列表中的姓氏，或者如果有逗号，则选择第一个逗号之前的姓氏。一个简单的解决方案是使用“，”再次拆分名称列表，这一次正常的split(',')函数应该这样做，然后使用第一个元素（如果没有逗号，则只有一个元素），然后使用split(' ') and then get the last element using[-1]`index再次按空格拆分

示例-

>>> n = 'James Earl Carter, Jr.'.split(',')[0].split(' ')[-1]
>>> print(n)
Carter
>>> m = 'Ronald Wilson Reagan'.split(',')[0].split(' ')[-1]
>>> print(m)
Reagan