用正则表达式模式理解Python词典

Question

我只是在用Python和Regex练习基本的web抓取

我想写一个函数，以string对象作为输入，返回一个字典，其中每个键都是字符串形式的日期，比如'2017-01-23'（不带引号tho）；对应的每个值都是支持率，存储为浮点数。你知道吗

以下是输入对象（数据）的外观：

如您所见，每个记录（每天）用{}表示，每个关键词：价值模式后跟'，'

{"date":"2017-01-23","future":false,"subgroup":"All polls","approve_estimate":"45.46693",  
 "approve_hi":"50.88971","approve_lo":"40.04416","disapprove_estimate":"41.26452",
"disapprove_hi":"46.68729","disapprove_lo":"35.84175"},
{"date":"2017-01-24","future":false,"subgroup":"All polls" 
...................

以下是日期的正则表达式模式：

date_pattern = r'\d{4}-\d{2}-\d{2}'

用这个

date_pattern = r'\d{4}-\d{2}-\d{2}'
date_matcher = re.compile(date_pattern)
date_matches = matcher.findall(long_string) #list of all dates in string

但对于实际的支持率值，这不起作用，因为我不是在寻找匹配项，而是在这个示例中，后面的数字是45.46693。你知道吗

approve_pattern = r'approve_estimate\":'
#float(re.sub('[aZ]','',re.sub('["]','',re.split(approve_pattern, data) [1])))

approve\u模式的问题是一次只能获取一个值。那么，如何对整个数据执行此操作，并将批准评级值存储为float？你知道吗

另外，我只想保留“future”：false放弃预测值的记录，并且只保留带有“future”：true的值。你知道吗

请假设所有遇到的日期都有有效的批准估计数。你知道吗

下面是所需的输出

date_matches=['2018-01-01','2018-01-02','2018-01-03'] # "future":true filtered out
approve_matches=[47.1,47.2,47.9]

final_dict = {k:v for k,v in zip(date_matches,approve_matches)}

final_dict #Desired Output {'2018-01-01': 47.1, '2018-01-02': 47.2, '2018-01-03': 47.9}

Answer 1

您的数据看起来非常像JSON，只是它必须用括号括起来才能形成一个数组。您应该使用JSON解析器（例如json.loads）来读取它。你知道吗

假设s是您的原始字符串。然后在字典中生成以下表达式：

final_dict = {record['date']: record['approve_estimate'] 
              for record in json.loads("[" + s + "]") 
              if record['future']}
# Empty in your case