如何在Python中使用regex将传记信息字符串拆分成不同的字典？

Question

最近，我得到了一个研究项目，学习如何将几个人的一系列传记数据解析成一组词典，对每个人都有很大的好处。

该字符串包含断线词，我希望通过行符创建关键字和单独的字典。因此，这里有两个人，我想为我的数据创建两个不同的字典：

银行家=‘Bakstansky，Peter；纽约联邦储备银行高级副行长，自1976年加入纽约联邦储备银行担任副行长以来负责公共信息。负责区域和社区事务办公室的高级官员、银行监察员和执行小组高级行政干事，纽约Educ市学院Educ学院(1961年工商管理学士)；伊利诺伊大学研究生院和纽约大学商学院。1962-6年:商业和金融作家，纽约，关于美国银行家，纽约-世界电讯报和太阳报，内亚纽约先驱论坛报(银行编辑1964-6)。1966-74年:大通曼哈顿银行:公共关系经理，巴黎，1966-71年；大通欧洲营销和规划经理，布鲁塞尔，1971-2年；副总裁兼公共关系主任，1972-4.1974-76:巴奇公司，副总裁兼公司传播总监。巴伦，帕特里克K.；自1996年2月以来，亚特兰大联邦储备银行第一副总裁和<运营官。美联储“储备系统会议第一副主席，银行管理委员会和贴现委员会副主席，M三名迈阿密爱德华大学(管理学士学位)；哈佛商学院(Prog management Development)；罗格斯大学银行高级毕业生。1967年:1971年加入亚特兰大联邦储备银行计算机业务:转到迈阿密分行；1974年:协助:总裁；1987年:高级副总裁。1988:Re1-亚特兰大担任公司服务部主管。佐治亚州伊格米教育理事会执行委员会成员；前大吉§？Charnber的商业和迈阿密大学校长；在亚特兰大，亚特兰大领导的feiSinber亚特兰大联合方式前副主席。经济教育委员会成员。利息。‘

例如，在这个数据中，我有两个人-- Peter Batanksy和Patrick K. Barron。我想为每个人创建一个字典，其中包含以下4个键：bankerjobs、Number of children、Education和nonbankerjobs。

在这篇文章中，已经有了断词："m“= "Educ”的孩子数，在"m“之前的任何东西都是”班克乔布斯“和”第一个“之后的任何东西。在Educ之后是非银行角作业，而要在个体之间断续的关键字似乎是".“>1之后的任何空格。

我如何用这4个键为这两个人创建一个字典，在这些单词上使用正则表达式？

具体来说，哪一组regex可以帮助我用这4个键(建立在上述指定的断口词上)为这两个人创建一个字典？

在perl中，我认为这样的模式是这样的：

pattern = [r'(m/[ '(.*);(.*)m(.*)Educ(.*)/)']

但我不确定..。

我认为代码与此类似，但如果我错了，请纠正它：

my_banker_parser = re.compile(r'somefancyregex')

def nested_dict_from_text(text):
    m = re.search(my_banker_parser, text)
    if not m:
    raise ValueError
    d = m.groupdict()
    return { "centralbanker": d }

result = nested_dict_from_text(bankers)
print(result)

我的希望是接受这个代码，并为所有感兴趣的个人运行它的其余传记。

Answer 1

使用命名组可能不会那么脆弱，因为它不依赖于每本传记中的数据片段是相同的顺序。像这样的事情应该有效：

>>> import re
>>> regex = re.compile(r'(?P<foo>foo)|(?P<bar>bar)|(?P<baz>baz)')
>>> data = {}
>>> for match in regex.finditer('bar baz foo something'):
...     data.update((k, v) for k, v in match.groupdict().items() if v is not None)
... 
>>> data
{'baz': 'baz', 'foo': 'foo', 'bar': 'bar'}