如何正确拆分字符串以在 python 中创建字典？

Question

我有两个字符串

"上衣：棉 + 绣花 (2 Mtr) \n下装：棉 + 纯色 (2 Mtr) \n DUPATTA ：雪纺 + 蕾丝 (2 Mtr) \n类型：未缝合\n颜色：多色 \n包含：1顶部有衬里 1 个底部和 1 个 DUPATTA\n原产国：印度"

第二个是

"上衣面料：棉麻布 + 上衣长度：0-2.00\n下布面料：棉麻布 + 下装长度：0-2.00\nDupatta 面料：Nazneen + Dupatta 长度：0-2.00\n衬里面料：棉麻布\n类型：未缝合\ n图案：印刷\n多件装：3 顶\n原产国：印度"

我需要用这两个字符串创建 python 字典，但键在冒号之前

例如，在字符串一键将是

顶部，底部，DUPATTA，类型，颜色，包含，原产国

在第二个

键是

顶布,底布,顶长,底长,杜帕塔面料,杜帕塔长度,里料面料,类型,图案,多件装,原产国

到目前为止，我已经使用

keys = ["Top Fabric","Bottom Fabric","Dupatta Fabric","Lining Fabric","Type","Pattern","Multipack","TOP ","BOTTOM ","  DUPATTA ","COLOUR ","CONTAINS ","TYPE ","Country"] 

pattern = re.compile('({})\s+'.format(':|'.join(keys))) 
newdict = dict(zip(*[(i.strip() for i in (pattern.split(desc.replace("*",""))) if i)]*2))

但它不适用于第一个字符串和第二个字符串它没有创建每个键和值

Answer 1

您可以使用匹配第 1 组中冒号之前和第 2 组中冒号之后的部分的正则表达式模式。

然后断言在第 2 组之后，有另一部分以+开头，后跟:或字符串的结尾。

然后创建一个字典，剥离第 1 组和第 2 组的值。

(?:\s*\+\s*)?([^:]+)\s*:\s*([^:]+)(?=\+[^:+]*:|$)

模式匹配：

• (?:\s*\+\s*)? 可选地匹配可选空白字符之间的+号
• ([^:]+)捕获组 1 ，匹配任何字符，除了:
• \s*:\s*匹配 a :可选空白字符之间
• ([^:]+)捕获组 2 ，匹配任何字符，除了:
• (?=\+[^:+]*:|$)正向前瞻，断言+后跟:向右，或断言字符串的结尾

正则表达式演示| Python 演示

例子

import re
import pprint

pattern = r"(?:\s*\+\s*)?([^:\r\n]+)\s*:\s*([^:\r\n]+)\s*(?=\+[^:+\n]*:|$)"

s = ("TOP : Cotton + Embroidered ( 2 Mtr) \n"
            "BOTTOM : Cotton + Solid (2 Mtr) \n"
            "DUPATTA : Chiffon + Lace Work ( 2 Mtr) \n"
            "TYPE : Un Stitched\n"
            "COLOUR : Multi Colour \n"
            "CONTAINS : 1 TOP WITH LINING 1 BOTTOM & 1 DUPATTA\n"
            "Country of Origin: India\n\n"
            "Top Fabric: Cotton Cambric + Top Length: 0-2.00\n"
            "Bottom Fabric: Cotton Cambric + Bottom Length: 0-2.00\n"
            "Dupatta Fabric: Nazneen + Dupatta Length: 0-2.00\n"
            "Lining Fabric: Cotton Cambric\n"
            "Type: Un Stitched\n"
            "Pattern: Printed\n"
            "Multipack: 3 Top\n"
            "Country of Origin: India")

dictionary = {}
for m in re.finditer(pattern, s, re.MULTILINE):
    dictionary[m.group(1).strip()] = m.group(2).strip()
pprint.pprint(dictionary)

Output

{'BOTTOM': 'Cotton + Solid (2 Mtr)',
 'Bottom Fabric': 'Cotton Cambric',
 'Bottom Length': '0-2.00',
 'COLOUR': 'Multi Colour',
 'CONTAINS': '1 TOP WITH LINING 1 BOTTOM & 1 DUPATTA',
 'Country of Origin': 'India',
 'DUPATTA': 'Chiffon + Lace Work ( 2 Mtr)',
 'Dupatta Fabric': 'Nazneen',
 'Dupatta Length': '0-2.00',
 'Lining Fabric': 'Cotton Cambric',
 'Multipack': '3 Top',
 'Pattern': 'Printed',
 'TOP': 'Cotton + Embroidered ( 2 Mtr)',
 'TYPE': 'Un Stitched',
 'Top Fabric': 'Cotton Cambric',
 'Top Length': '0-2.00',
 'Type': 'Un Stitched'}

Answer 2

您可以尝试以下 dict 理解， s1 代表您的字符串之一：

d={i.split(':')[0].strip(): i.split(':')[1].strip() for i in s1.split('\n')}

编辑：为了使组合字典更容易，您可以定义一个 function：

def f(s1):
    return {i.split(':')[0].strip(): i.split(':')[1].strip() for i in s1.split('\n')}
f('\n'.join([s1,s2])) # single dict from both strings
set(f(s1).keys()).intersection(f(s2).keys()) # common keys 

{'Country of Origin'} 两个集合中的关键公共密钥，但它与印度相同