根據列表提取數據

Question

我正在試圖弄清楚如何根據此列表從字符串中提取一些數據：

check_list = ['E1', 'E2', 'E7', 'E3', 'E9', 'E10', 'E12', 'IN1', 'IN2', 'IN4', 'IN10']

例如，對於此列表：

s1 = "apto E1-E10 tower 1-2 sanit"

我會得到['E1', 'E10']

s2 = "apto IN2-IN1-IN4-E12-IN10 mamp"

為此我得到： ['IN2', 'IN1', 'IN4', 'E12', 'IN10']

然后這變得棘手：

s3 = "E-2-7-3-9-12; IN1-4-10 T 1-2 inst. hidr."

我會得到： ['E2', 'E7', 'E3', 'E9', 'E12', 'IN1', 'IN4', 'IN10']

你能提出一些建議來解決這個問題嗎？

Answer 1

以下應該有效：

def extract_data(s):
    check_set = set(['E1', 'E2', 'E7', 'E3', 'E9', 'E10', 'E12',
                     'IN1', 'IN2', 'IN4', 'IN10'])
    result = []
    for match in re.finditer(r'\b(E|IN)[-\d]+', s):
        for digits in re.findall(r'\d+', match.group(0)):
            item = match.group(1) + digits
            if item in check_set:
                result.append(item)
    return result

例子：

>>> extract_data("apto E1-E10 tower 1-2 sanit")
['E1', 'E10']
>>> extract_data("apto IN2-IN1-IN4-E12-IN10 mamp")
['IN2', 'IN1', 'IN4', 'E12', 'IN10']
>>> extract_data("E-2-7-3-9-12; IN1-4-10 T 1-2 inst. hidr.")
['E2', 'E7', 'E3', 'E9', 'E12', 'IN1', 'IN4', 'IN10']

Answer 2

import re

def parse(string):
  result = []
  for match in re.findall('(E|IN)-{0,1}([\d]+)((-[\d]+)*)', string):
    letter = match[0]
    numbers = [int(i) for i in [match[1]] + match[2].split('-')[1:]]
    for number in numbers:
      result.append('%s%d' % (letter, number))

  return result


print parse('apto E1-E10 tower 1-2 sanit')
print parse('apto IN2-IN1-IN4-E12-IN10 mamp')
print parse('E-2-7-3-9-12; IN1-4-10 T 1-2 inst. hidr.')

Answer 3

這是一個部分答案，更多的表明我可能會如何開始解決您的問題。

使用“鍵” IN和E ，我會在字符串中搜索與鍵匹配的模式，后跟任意數量的空格或短划線。

例如：

import re

S = ['apto E1-E10 tower 1-2 sanit','apto IN2-IN1-IN4-E12-IN10 mamp','E-2-7-3-9-12; IN1-4-10 T 1-2 inst. hidr.']

for s in S:
    print s
    M = re.findall(r'(IN[\d\-]*)', s)
    for m in M: print m

    M = re.findall(r'(E[\d\-]*)', s)
    for m in M: print m

生產：

$ python extract.py
apto E1-E10 tower 1-2 sanit
E1-
E10
apto IN2-IN1-IN4-E12-IN10 mamp
IN2-
IN1-
IN4-
IN10
E12-
E-2-7-3-9-12; IN1-4-10 T 1-2 inst. hidr.
IN1-4-10
E-2-7-3-9-12

然后，我將每個m並進一步解析。 因此E1-導致[E1]和E-2-7-3-9-12導致[E2,E7,E3,E9,E12] 。

Answer 4

我試圖盡可能地做到這一點：

import re

def make_relist(l):
    relist = []
    for a in l:
        alpha, num = re.match('([a-zA-Z]+)(\d+)', a).groups()
        re_string = r'\b{0}({1}|\d*-(\d+-)*{1})\b'.format(alpha, num)
        relist.append((a, re.compile(re_string)))

    return relist

def extract(s, relist):
   return [v for v, r in relist if r.search(s)]

測試：

>>> tokens = ['E1', 'E2', 'E7', 'E3', 'E9', 'E10', 'E12', 'IN1', 'IN2', 'IN4', 'IN10']
>>> relist = make_relist(tokens)
>>> extract("apto E1-E10 tower 1-2 sanit", relist)
['E1', 'E10']
>>> extract("apto IN2-IN1-IN4-E12-IN10 mamp", relist)
['E12', 'IN1', 'IN2', 'IN4', 'IN10']
>>> extract("E-2-7-3-9-12; IN1-4-10 T 1-2 inst. hidr.", relist)
['E2', 'E7', 'E3', 'E9', 'E12', 'IN1', 'IN4', 'IN10']

請注意，如果要從中提取大量字符串，這會變得更有效，因為在這種情況下編譯開銷時間變得無關緊要。