在R/ Python中从非结构化数据中提取数据集

Question

我们正试图从旅行请求中提取旅行路线，这些旅行路线由标准化的审计人员填写。

​

​

示例：

EY  275   13FEB HYDAUH 0425   0715  

这里的数据如下所示

EY> Travel Type
275> Flight Number
13FEB> Date of travel
HYDAUH>Airports involved during the Departure and arrival.
0425   0715 > Boarding and landing times of the flight.

在这里，我们需要从原始文本字段中提取各个数据元素，然后将它们映射到各自的出行字段并计算几个值。

在R/Python中有没有过程可以用最小的努力来实现它们。

我正在寻找用于数据拆分/映射的存续函数/过程。

Answer 1

如果您可以提取单个记录，如第二个示例中所示，并且字段之间始终至少有一个空格，那么在Python中提取单个数据片段是很简单的：

>>> itin = 'EY  275   13FEB HYDAUH 0425   0715'
>>> ifields = itin.split()
>>> ifields[0] # travel type
'EY'
>>> ifields[1] # flight number
'275'
>>> ifields[2] # date of travel
'13FEB'
>>> ifields[3][0:3] # departure airport
'HYD'
>>> ifields[3][3:6] # destination airport
'AUH'
>>> ifields[4] # boarding time
'0425'
>>> ifields[5] # landing time
'0715'

您的第一个示例显示了紧跟在第一个记录后面的第二个记录，没有空格-是这样吗？如果是，每条记录的长度是否总是相同的字符数？

>>> itinline = 'QR 529  09AUG MAADOH  0405  0600QR  67  09AUG DOHFRA  0815'
>>> itinline[0:32]
'QR 529  09AUG MAADOH  0405  0600'
>>> itinline[32:64]
'QR  67  09AUG DOHFRA  0815'

如果您的数据在一行上有多个长度可变的记录，或者如果每个字段之间可能有空格，也可能没有空格，那么解析就会变得更加复杂，但在Python中仍然可以相当容易地完成。在这种情况下，请发布一个包含几条记录的更完整的示例，并显示您想要获得的输出。