如何将非结构化字符串转换为 dataframe？

Question

我有一个长字符串文本，我想将其转换为 dataframe 进行分析。 请参阅下面的数据示例。 我希望这些列是“设施”、“街道”、“城市”、“电话”和“商店营业时间”。

string = AlaskaUSCG Base Ketchikan 1300 Stedman Street  Ketchikan, AK  (907) 228-0250 Mon-Fri 7:30am-5pm | Sat 10am-4pm | Closed Sunday USCG Base Kodiak Albatros Avenue, Building 26 (2nd Floor)  Kodiak, AK  (907) 487-5773 USCG Base Kodiak Albatros Avenue, Building 26 (1st Floor)  Kodiak, AK  (907) 487-5773 Mon-Fri: 7am-9pm | Sat: 9am-9pm |

我使用 StringIO 将其转换为 dataframe 但它将其转换为具有 0 行和 1000 列的 dataframe。 相反，我想要我上面提到的列和每个商店的行。

我希望它看起来像这样，数据填充为行：

Facility                    Street               City           Phone   
Alaska USCG Base Ketchikan  1300 Stedman Street  Ketchikan, AK  (907) 228 0250

Answer 1

您可以使用简单的网络抓取技术，例如bs4和requests 。

import bs4 

r = requests.get(URL)
b = bs4.BeautifulSoup(r.text)

addresses = []

for val in b.find_all(name='p'):
  s = list(val.stripped_strings)
  if s and not s[0].startswith('HOURS'): addresses.append(' '.join(s[:-1]))