Skip to main content
 首页 » 编程设计

Python/Regex之解析文本描述的最佳方式

2025年02月15日8xxx_UU

假设我有这样的文本字符串:

  • 富士通 LifeBook E734 13.3"i5 2.5GHz/4Gb RAM/500Gb SSHD 全新
  • Mac Pro,2009 年初 4 核 2.66GHz Intel Xeon/16Gb RAM/1Tb HD

我想解析成品牌、型号、处理器、屏幕尺寸、高清尺寸、RAM、条件

我想知道,解析这些字符串的最符合 Python 风格的方法是什么?

目前,我正在做以下事情:

  1. 遍历计算机品牌和型号的静态列表
    • 如果匹配,将它们从字符串中拉出
  2. 用“”和“/”分割字符串。
  3. 使用 is x in y 来:
    • 查找“”和“in.”以找到尺寸。
    • 查找“GHz”以查找处理器速度。
    • 查找“Mb”、“Gb”、“Tb”。

下面是一些示例代码:

import re 
data={} 
complist = {'make':['Apple','Toshiba','HP', 'Fujitsu'...], 
            'model':['Air','Surface','Zenbook','Lifebook','Mac Pro',...], 
            'condition':['New','Used','Refurbished'...]} 
 
string = 'Fujitsu LifeBook E734 13.3" i5 2.5GHz/4Gb RAM/500Gb SSHD Like NEW' 
for comparison in complist : 
    for compare in complist[comparison]: 
        if compare in string: 
            data[comparison]=compare 
            string = string.replace(compare, '') 
 
stringsplit=re.findall(r"[\w']+", string ) 
 
for i,s in enumerate(stringsplit): 
    if any(key in s for key in ['Mb','Gb','Tb']): 
        ... 
        data['Ram']=... 
    if any(... 

我可以暴力破解,但是“...”是我正在寻找指导的地方。此外,第一部分可能也可以更有效地完成。

非常感谢任何帮助。

请您参考如下方法:

通常,你会想把string拆分成一个列表,然后循环遍历它,看它是否出现在complist字典中(而不是其他方式周围):

stringList = string.split() 
for s in stringList: 
    #loop through the complist to find matches 

这样做可以减少循环次数

关于列表: 使用排序列表! 因为你将能够使用二分查找,这是非常快的

关于集: 因为看起来您只需要查找单词是否在列表中。您可以将 complists 存储为 sets 而不是 lists。集合中成员测试的速度是O(n)(“大O-notation”),比列表快