Python:parse（date）返回有符号整数大于最大值

Question

给出如下项目列表（用制表符分隔的列）：

• 9123456780\t John Dude\t地址城市\t 1980年7月19日\t M
• 9123456781\t Jane Dudette\t地址省\t 1980年8月19日\t f
• 9123456782\t Sam Pol Data\t等城市\t 1/1/91\t
• 9123456783\t可能是1993年某个城市\t
• 9123456784\t Mark Mywards\t地址城市\t M
• 9123456785\t地址城市\t 1980年7月19日\t M
• 9123456780\t米
• 米拉诺瓦市地址：1980年7月19日

我要确定哪一个是MSISDN（10位数字）、姓名、地址、日期和性别。在

我很确定这是不可能做到100%正确/准确的，因为缺乏比较点，而且经常丢失数据。在

所以我是这么做的：

一行一行地浏览列表。然后每行按制表符（\t）拆分，成为一个列表。 然后在for循环中测试列表中的每个项目：

for item in csv_cols:
    if reg_msisdn.match(item):
        s_msisdn = item
    if item.lower() in list_male or item.lower() in list_female:
        s_gender = item
    if parse(item):
        s_birthdate = item
    if any(ext in item.lower() for ext in list_place) or any(ext in item.lower() for ext in list_ad):
        s_address = item
    else:
        s_name = item

    s_all = s_msisdn + "^" + s_name + "^" + s_address + "^" + s_birthdate + "^" + s_gender

编辑：我在每一个s_(value) = item之后添加了一个csv_cols.remove(item)，这样测试的项目已经被删除了-它没有改变任何东西。在

1. 所有的s_(value)都以NULL作为文本开始
2. 如果任何项是10位数字（regex），则将其视为s_msisdn。在
3. 如果任何一个项目仅仅是m，f，male，female，female，它被认为是s_gender。在
4. 如果任何项目的关键字city、ave等（list_ad）或与地点列表（list_place）中的某个项目匹配，则将其视为s_address。在
5. 如果任何项可以是parsed as a date，则自动为s_birthdate。在
6. 否则，它可能是s_name。在
7. 编辑：从列表中删除所述项目。在
8. 整个过程都在Try异常块中。在

我很肯定我的逻辑会有明显的漏洞，但我真的想不出其他办法来做。在

也就是说，即使使用这种分散式的逻辑，我也遇到了一些问题，特别是上面的第5项，它返回以下错误毫无帮助：

signed integer is greater than maximum

我知道这一点是因为把它从循环中去掉，剩下的代码就可以工作了。在

我能帮忙吗？在

谢谢。在

注：我用的是Mac/UNIX。在

Answer 1

几乎不可能在所有情况下区分姓名和地址（是姓名还是地址？）。最好的方法是假设名称总是出现在地址之前，否则您将面临各种复杂的查找。在

我会逐行处理数据，首先将行转换为如下列表：

>>> row = "9123456780 \t John Dude \t City of Address \t July 19, 1980 \t M"
>>> row = [entry.strip() for entry in row.split("\t")]
>>> row
['9123456780', 'John Dude', 'City of Address', 'July 19, 1980', 'M']

现在我要定义一组函数来决定每个条目代表什么。确定MSISDN编号、性别和日期应该相对简单。在

要确定行中的某个条目是否是10位的MSISDN编号：

^{pr2}$

要确定行中的条目是否表示性别：

def is_gender(entry):
    if entry in ("m", "f", "M", "F"):
         return True

要确定行中的条目是否代表日期：

from dateutil.parser import parse

def is_date(entry):
    try: 
        parse(entry)
        return True
    except ValueError:
        return False

现在使用这些函数来构建另一个解析行条目的函数：

def parse_row(row):

    s_all = ["<blank>"] * 5

    for entry in row:

        if is_msisdn(entry):
            s_all[0] = entry

        elif is_gender(entry):
            s_all[4] = entry

        elif is_date(entry):
            s_all[3] = entry

        elif s_all[1] == "<blank>":
            s_all[1] = entry

        else:
            s_all[2] = entry

    return " ^ ".join(s_all)

例如：

>>> row = ['Mira Nova', 'City of Address', 'July 19, 1980']
>>> parse_row(row)
'<blank> ^ Mira Nova ^ City of Address ^ July 19, 1980 ^ <blank>'

>>> row = ['9123456784', 'Mark Mywards', 'City of Address', 'M']
>>> parse_row(row)
'9123456784 ^ Mark Mywards ^ City of Address ^ <blank> ^ M'

Answer 2

它试图将msisdn解析为日期，这会引发异常而不是返回false，这就是parse（…）：无法工作的原因。使用类似的东西

try:
    parse(item)
    continue
except ValueError:
    pass

（如果不是ValueError，那么检查抛出的异常类型并使用它）

Answer 3

试试这个：

if reg_msisdn.match(item):
        s_msisdn = item
    elif item.lower() in list_male or item.lower() in list_female:
        s_gender = item
    elif parse(item):
        s_birthdate = item
    elif any(ext in item.lower() for ext in list_place) or 
         any(ext in item.lower() for ext in list_ad):
        s_address = item
    else:
        s_name = item

您可能需要调整测试顺序。这个想法是，一旦一个项目匹配，其他测试就不适用了。这也会提高速度。在