Python：拆分一个字符串，在每个元素中保留相关信息

我试图从客户的数字笔记本中提取联系人信息，该笔记本中有如下条目：

“\r\n导入的联系人：\r\n业务电话：9547711900第1行：2440
东部商业大道。\r\n城市：劳德代尔堡\r\n州：佛罗里达州\r\n PostalCode:33308\r\n\r\nArt Womack推荐Steve Paul牙科医生 商业大道 区域。\r\n_womack@me.com>\r\n邦？皇冠？单板？\r\n\r\n\r\n'

拆分之后，我的目标是创建一个包含相关数据的元素列表（大部分元素中间包含“：”），以便稍后将其转换为python字典

我已经尝试过用“\r”和“\r”字符来分解字符串，但是我一直缺少第1行：yadayada信息

我想要的是：

['BusinessPhone : 9547711900','BusinessPhone : 9547711900',
'Line1 : 2440 East Commercial Blvd.', 'City : Ft. Lauderdale',
 'State : FL', 'PostalCode : 3330']

---

您是如何尝试清理数据的？可以使用“\r\n”作为分隔符来分解现有的示例数据。您可以根据列表中的字符串是否为空来筛选拆分后的列表。这可以作为一个基本的数据清理过程来完成。你自己决定的相关部分

清洁的基本代码可以是：

mystr = '\r\nContact Imported:\r\nBusinessPhone : 9547711900 Line1 : 2440 East Commercial Blvd.\r\n City : Ft. Lauderdale\r\n State : FL\r\n PostalCode : 33308\r\n\r\nArt Womack recommends Steve Paul Dentist on Commercial Blvd area.\r\nA_womack@me.com>\r\nBond? Crowns? Veneer?\r\n\r\n\r\n'
data = mystr.split('\r\n')
data_filtered = list(filter(lambda x: x, data))
for d in data_filtered:
    print(d.strip())

这将输出：

Contact Imported:
BusinessPhone : 9547711900 Line1 : 2440 East Commercial Blvd.
City : Ft. Lauderdale
State : FL
PostalCode : 33308
Art Womack recommends Steve Paul Dentist on Commercial Blvd area.
A_womack@me.com>
Bond? Crowns? Veneer?

你仍然需要弄清楚什么是重要的

编辑：基于此给定字符串，您可以使用：

def convert(x):
    d = x.split(':')
    newlist = []
    if len(d) > 2:
        # Hack will work only in few cases, including this case
        vals = d[1].strip().split(' ')
        newlist.append(f'{d[0]}:{vals[0]}')
        newlist.append(f'{vals[1]}:{d[2]}')
        return newlist

    return [x]


mystr = '\r\nContact Imported:\r\nBusinessPhone : 9547711900 Line1 : 2440 East Commercial Blvd.\r\n City : Ft. Lauderdale\r\n State : FL\r\n PostalCode : 33308\r\n\r\nArt Womack recommends Steve Paul Dentist on Commercial Blvd area.\r\nA_womack@me.com>\r\nBond? Crowns? Veneer?\r\n\r\n\r\n'
data = mystr.split('\r\n')
data_filtered = list(filter(lambda x: x, data))
data_filtered_2 = list((map(lambda x: convert(x), data_filtered)))

data_combined = []
for i in data_filtered_2:
    data_combined += i

for d in data_combined:
    print(d.strip())

您可以尝试：

>>> from io import StringIO
>>> import pandas as pd
>>> data = """
... '\r\nContact Imported:\r\nBusinessPhone : 9547711900 Line1 : 2440
... East Commercial Blvd.\r\n City : Ft. Lauderdale\r\n State : FL\r\n PostalCode : 33308\r\n\r\nArt Womack recommends Steve Paul Dentist on Commercial Blvd area.\r\nA_womack@me.com>\r\nBond? Crowns? Veneer?\r\n\r\n\r\n'
... """

您可以尝试使用

pd读取。读取\u csv

：

>>> df = pd.read_csv(StringIO(data))
>>> df
                                                   '
0                                  Contact Imported:
1            BusinessPhone : 9547711900 Line1 : 2440
2                              East Commercial Blvd.
3                              City : Ft. Lauderdale
4                                         State : FL
5                                 PostalCode : 33308
6  Art Womack recommends Steve Paul Dentist on Co...
7                                   A_womack@me.com>
8                              Bond? Crowns? Veneer?
9                                                  '

根据@jezrael的建议，如有必要，将df转换为列表：

# df.values.tolist()

或

---

BusinessPhone和Line1条目之间是否真的没有

\r\n

，从而使其与示例数据中的所有其他行不同？@ShawnMehan Yes.“Line 1:2440 East Commercial Blvd”应该是单个元素。稍后我会这样做，我可以将列表转换为字典，然后转换为pd.Series，这样我就可以将更新方法执行回原始df。在这个数据集中，不能使用空格作为分隔符拆分字符串，否则它会弄乱其他元素。您需要对数据进行更多的探索，并提出解决方案。一个这样的解决方案是，如果您知道字典的键，那么您可以使用它们对给定字符串执行更具体的拆分。如果需要，最后一次转换为列表：）问题是第1行：yada-yada应该有自己的记录这是我关于它与所有其他行不同的观点。根据定义，您需要以与其他组件不同的方式来处理它。我可以制作一些东西，但请你先确认所有的记录都遵循基本的结构模式好吗？或者你可以采取这些有效的解决方案，然后分割第二行。。。

>>> df.values
array([['Contact Imported:'],
       ['BusinessPhone : 9547711900 Line1 : 2440'],
       ['East Commercial Blvd.'],
       [' City : Ft. Lauderdale'],
       [' State : FL'],
       [' PostalCode : 33308'],
       ['Art Womack recommends Steve Paul Dentist on Commercial Blvd area.'],
       ['A_womack@me.com>'],
       ['Bond? Crowns? Veneer?'],
       ["'"]], dtype=object)