如何在Python中从结构化字符串中提取所需数据？

阅读更多：Python 教程

介绍…

我将展示几种方法来从结构化的字符串中提取所需数据/字段。当输入结构的格式为已知格式时，这些方法将很有帮助。

如何实现…

1.让我们创建一个虚拟格式以了解该方法。

Report: <> - Time: <> - Player: <> - Titles: - Country: <>

报告：Daily_Report-Time：2020-10-16T01：01：01.000001-Player：Federer-标题：20-国家：瑞士

report = 'Report: Daily_Report - Time: 2020-10-10T12:30:59.000000 - Player: Federer - Titles: 20 - Country: Switzerland'

2.我从报告中注意到的第一件事是分隔符“-”。我们将继续使用“-”解析报告。

fields = report.split(' - ')
name，time，player，titles，_ = fields

print(f“Output \n *** 报告名称{name}生成于{time}，共有{titles}个{player}标题。 ”)

输出

*** 报告名称Report: Daily_Report生成于Time: 2020-10-10T12:30:59.000000，有Titles：20个“Federer”标题。

3.现在，输出不符合预期，因为我们仍然可以看到一些不需要的标签，例如Report：，Time：，Player：。

#仅提取报告名称
formatted_name = name.split(':')[1]

＃仅提取玩家
formatted_player = player.split(':')[1]

＃仅提取标题
formatted_titles = int(titles.split(':')[1])

＃仅提取标题
new_time = time.split(': ')[1]

print（f“Output \n {formatted_name}，{new_time}，{formatted_player}，{formatted_titles}”）

输出

Daily_Report，2020-10-10T12：30：59.000000，“Federer”，20

4.现在，时间戳格式为ISO格式，如果您想要拆分，则可以将其拆分，或者将其保留为所示。让我向您展示如何拆分时间戳字段。

from datetime import datetime
formatted_date = datetime.fromisoformat(new_time)

print（f“Output \n {formatted_date}”）

输出

2020-10-10 12:30:59

• 现在，我们将所有这些步骤组合成一个单个函数。

def parse_function(log):
"""
功能：以以下格式解析给定的日志
报告：<> - 时间：<> - 球员：<> - 标题：-国家：<>
参数：日志
返回：所需数据
"""
fields = log.split(' - ')
name，time，player，titles，_ = fields

＃仅提取报告名称
formatted_name = name.split(':')[1]

＃仅提取玩家
formatted_player = player.split(':')[1]

＃仅提取标题
formatted_titles = int(titles.split(':')[1])

＃仅提取标题
new_time = time.split(': ')[1]

return f“{formatted_name}，{new_time}，{formatted_player}，{formatted_titles}”

if __name__ == '__main__':
report = 'Report: Daily_Report - Time: 2020-10-10T12:30:59.000000- Player: Federer - Titles: 20 - Country: Switzerland'
data = parse_function(report)
print(f"Output \n{data}")

输出

Daily_Report，2020-10-10T12：30：59.000000，“Federer”，20

6.我们可以使用parse模块使其变得更简单。如您所见，格式创建模板。我们可以使用parse模块来更轻松地完成这项工作。

首先通过- pip install parse – 安装parse模块

from parse import parse
report = 'Report: Daily_Report - Time: 2020-10-10T12:30:59.000000 - Player: Federer - Titles: 20 - Country: Switzerland'

＃查看报告，创建一个模板
template = 'Report: {name} - Time: {time} - Player: {player} - Titles: {titles} - Country: {country}'

＃运行解析并检查结果
data = parse(template，report)
print(f“Output \n {data}”）

输出

<Result () {'name': 'Daily_Report', 'time': '2020-10-10T12:30:59.000000', 'player': 'Federer', 'titles': '20', 'country': 'Switzerland'}>

7. 通过定义模板，我们可以使用简单的一行代码从日志中提取数据，并提取个别值。

print(f"输出 \n {data['name']} - {data['time']} - {data['player']} - {data['titles']} - {data['country']}")

输出

Daily_Report - 2020-10-10T12:30:59.000000 - Federer - 20 - Switzerland

结论:

您已经看到了从日志文件中获取所需数据的一些方法。推荐定义模板并使用解析模块来提取所需数据。