Python抓取:从非结构化数据中拆分数量

Question

我对Web抓取和python这两个领域还比较陌生。我正试图从一家超市/在线Grocery商店收集数据。我在清理刮过的数据样本时遇到了一个问题。

• 塔塔盐，低钠，1kg
• “财富”杂志Kachi Ghani纯芥子油，1L (宠物奶瓶)
• 波旁布利斯，150 g(购买3 Get 1免费)亚马逊品牌
• Vedaka Popular Toor/Arhar Dal，1公斤
• Eno瓶100克(普通) Pro
• 天然100%有机Masoor黑色整体，500克
• 冲浪Excel液体洗涤剂1.05 L

考虑到上面的数据样本，我想把数量和产品名称分开。必需格式名称-Tata盐渍，低钠，数量-1公斤名称-财富卡奇加尼纯芥子油

数量-1升等等.我试着用正则表达式把它分开

re.split("[,/._-]+", i)

但取得了部分成功。有人能帮我如何处理数据集吗？提前谢谢。

Answer 1

您可以尝试为每个字符串实现以下解决方案：

text_content = "Tata Salt Lite, Low Sodium, 1kg"
quantity = re.search("(\d+\s?(kg|g|L))", text_content).group()
name = text_content.rsplit(quantity)[0].strip().rstrip(',')
description = "Name - {}, Quantity - {}".format(name, quantity)