从Python中的字符串中提取infor并返回一个列表

Question

我正在研究一个大型数据集，并将我的分析从Matlab/Octave转移到Python。这些文件是按文件夹/目录组织的，每个目录名都包含有关数据的基本信息。在Matlab中，我从文件夹名中提取该信息。我也想用Python来做同样的事情。我对Python略知一二，但我肯定不是功夫大师。

米维

from re import split

file_list = ['15L-0.3', '16L-0.4_redo', '15L-0', '16L-redo']
s_f = lambda x: float(x) if isinstance(x,(int, float))\
    else [split('[^0-9.]+',x,1)[0], split('0[.0-9]*',x,1)[1]]
array = [[i, [float(i.split('L',1)[0]),
    s_f(i)]]for i in file_list]

前面的代码不适用于file_list的所有元素，并且来自lambda的返回没有附加到数组中。我把标准的split()和re.split()版本混合在一起。但我认为标准版本不接受正则表达式。

我需要一个数组，一个列表列表，其中对于file_list的每个元素，我得到了文件夹名，即file_list中的元素。thaat子列表的第二个元素是一个数组，在16之前有一个数字，然后它可以有1或2个其他元素。在L之后的0到1之间的数字，它并不总是存在的，在这个数字之后的任何东西，甚至如果这个数字不存在的话，甚至L本身。

对于第一个元素[15, 0.3]

第二届[16, 0.4, '_redo']

第三届[15, 0]

对于第4次[16, '-redo']

我有几个逻辑阶段，因为我的实际字符串更长，并且有多个参数。我可以将它分为0到1之间的数字和/或后缀之间的不存在或存在，但是我想看看是否有一种方法可以使这个通用。

我为此写了lambda函数。如果输出是单个数字或字符串，则可以工作。当我需要输出外部列表的2个元素时，会出现问题。

如果语法在我命名的方式上不正确，请道歉。我可能把列表和数组混为一谈

欢迎任何评论、更正或建议。

Answer 1

您还可以使用下面的解决方案和regex模式来捕获最后两个可选部分的所有三个部分：

import re,ast

file_list = ['15L-0.3', '16L-0.4_redo', '15L-0', '16L-redo']
rx = re.compile(r'^(\d+)L(?:-(\d+(?:\.\d+)?))?([_-].*)?$')
array = []
for i in file_list:
    m = rx.search(i)
    if m:
        arr = list(m.groups())
        arr[0] = int(arr[0]) # This is an int
        if arr[1]: # If Group 2 matched, it is either an int or float
            arr[1] = ast.literal_eval(arr[1]) # Parse the second number as int or float
        array.append([x for x in arr if x is not None]) # Remove any None values

print (array)
# => [[15, 0.3], [16, 0.4, '_redo'], [15, 0], [16, '-redo']]        

见Python演示。这是regex演示。详细信息

• ^ -字符串的开始
• (\d+) -第1组:一个或多个数字(因此，我们可以安全地使用int(arr[0]) )
• L -一封L信
• (?:-(\d+(?:\.\d+)?))? -一个可选的序列
  • - -a连字符
  • (\d+(?:\.\d+)?) -第2组:一个或多个数字，然后是一个可选的.序列和一个或多个数字

• ([_-].*)? -一个可选的组3：_或-，然后是任何字符(除了没有re.DOTALL标志的换行字符)，直到字符串的末尾。

Answer 2

我认为更好的解决办法是寻找你想要匹配的模式。

我认为这将解决您的问题，并且更容易调试：

import re

file_list = ['15L-0.3', '16L-0.4_redo', '15L-0', '16L-redo']
new_file_list = []
for file in file_list:
    split_file = re.findall(r'(?:\d+(?:\.\d+)*|[-_]redo)', file)
    new_file_list.append(split_file)

print(new_file_list)

输出：

[['15', '0.3'], ['16', '0.4', '_redo'], ['15', '0'], ['16', '-redo']]

Answer 3

您可以使用re.split和一个前瞻性regex，以及一个包含帮助函数的列表理解：

import re

regex = re.compile('[-_](?=\d)|(?=[-_]\D)')

def toint(n):
    n2 = n.rstrip('L')
    if n2.replace('.', '', 1).isnumeric():
        return float(n2) if '.' in n2 else int(n2)
    else:
        return n

[[toint(i) for i in l] for l in map(regex.split, file_list)]

产出：

[[15, 0.3], [16, 0.4, '_redo'], [15, 0], [16, '-redo']]