Python解析

我试图将RSS 2.0提要中的title标记解析为该提要中每个条目的三个不同变量。我已经使用ElementTree解析了RSS，这样我就可以用下面的代码打印每个标题[减去尾随的

）

]

我之所以包含它，是因为，正如您所看到的，item.title是一种repr（）数据类型，对此我了解不多

交互式窗口中的特定

repr（item.title[0:-1]）

print

ed如下所示：

import geocoders # from GeoPy
us = geocoders.GeocoderDotUS()

import feedparser # from www.feedparser.org
feedurl = "http://www.tourfilter.com/dallas/rss/by_concert_date"
feed = feedparser.parse(feedurl)

lines = []
for entry in feed.entries:
    m = re.search(r'(.*) \((.*) (\d+/\d+)\)', entry.title)  
    if m:
        bandRaw, venue, date = m.groups()

        if band == bandRaw:
            place, (lat, lng) = us.geocode(venue + ", Dallas, TX")
            lines.append(",".join([band, venue, date, lat, lng]))

result = "\n".join(lines)

用户选择一个波段，我希望在解析每个

项目后，将title

分为3个变量（波段、地点和日期各一个变量…或者可能是一个数组或我不知道…），仅选择与所选波段相关的变量。然后它们被发送到谷歌进行地理编码，但那是另一回事了

我已经看到了一些

regex

的例子，我正在阅读它们，但它似乎非常复杂。它是？我想也许这里有人会对如何以智能的方式做到这一点有一些见解。我应该使用

re

模块吗？输出当前为

repr（）

s是否重要？有更好的办法吗？我想我应该使用一个循环（这是我的伪Python，我正在写的注释）：

我希望这不是太多的要求。我会自己调查的，只是觉得我应该在这里张贴，以确保它得到答复

---

因此，问题是，如何最好地将

提要中的每个
repr（item.title[0:-1]）
解析为3个单独的值，然后连接到一个.csv文件中？
不要让regex吓跑你。。。这很值得学习

鉴于上述示例，您可以尝试将后面的括号放回，然后使用以下模式：

import re
pat = re.compile('([\w\s]+)\(([\w\s]+)(\d+/\d+)\)')
info = pat.match(s)
print info.groups()

('Michael Schenker Group ', 'House of Blues Dallas ', '3/26')

要找到每个组的个人，只需在
info
对象上调用他们：

print info.group(1) # or info.groups()[0]

print '"%s","%s","%s"' % (info.group(1), info.group(2), info.group(3))
"Michael Schenker Group","House of Blues Dallas","3/26"

在本例中，正则表达式的难点在于确保您知道标题中所有已知的可能字符。如果“Michael Schenker Group”部分中存在非alpha字符，则必须调整该部分的正则表达式以允许它们

上面的模式分解如下，从左到右解析：

（[\w\s]+）
：匹配任何单词或空格字符（加号表示应该有一个或多个这样的字符）。括号表示匹配将作为一个组捕获。这是“迈克尔·申克集团”的一部分。如果此处可能有数字和破折号，则需要修改方括号之间的片段，这是集合的可能字符

\（
：文字括号。反斜杠转义括号，否则它将被视为regex命令。这是字符串的“（”部分

（[\w\s]+）
：与上述内容相同，但这次与“布鲁斯之家达拉斯”部分匹配。括号中的内容将作为第二组内容捕获

 <代码>（\D+/\D+）< /代码>：将数字3和26与中间的斜线相匹配。在括号中，它们将被捕获为第三组。
\）
：上面的右括号

regex的python介绍非常好，您可能想花一个晚上来复习一下。另外，请检查一下python，它有一个友好的介绍：

编辑：见下面的zacherates，他有一些很好的编辑。两个头比一个头好！
正则表达式是解决这个问题的好方法：

>>> import re
>>> s  = 'Michael Schenker Group (House of Blues Dallas 3/26'
>>> re.match(r'(.*) \((.*) (\d+/\d+)', s).groups()
('Michael Schenker Group', 'House of Blues Dallas', '3/26')

作为补充说明，您可能希望了解处理RSS解析的方法，因为提要有格式错误的坏习惯

编辑

关于您的评论…字符串偶尔被包装为“s”而不是“s”与您正在使用repr这一事实有关。字符串的repr通常用“s”分隔，除非该字符串包含一个或多个“s”，而它使用“s”，这样就不必转义“s”：

>>> "Hello there"
'Hello there'
>>> "it's not its"
"it's not its"

请注意不同的引用样式。
关于
repr（item.title[0:-1]）
部分，不确定从何处获得，但我非常确定您可以简单地使用
item.title
。您所做的只是从字符串中删除最后一个字符，然后对其调用
repr（）
，这没有任何作用

您的代码应该如下所示：

import geocoders # from GeoPy
us = geocoders.GeocoderDotUS()

import feedparser # from www.feedparser.org
feedurl = "http://www.tourfilter.com/dallas/rss/by_concert_date"
feed = feedparser.parse(feedurl)

lines = []
for entry in feed.entries:
    m = re.search(r'(.*) \((.*) (\d+/\d+)\)', entry.title)  
    if m:
        bandRaw, venue, date = m.groups()

        if band == bandRaw:
            place, (lat, lng) = us.geocode(venue + ", Dallas, TX")
            lines.append(",".join([band, venue, date, lat, lng]))

result = "\n".join(lines)

编辑：将
列表
替换为
行
作为变量名。
列表
是内置的，不应用作变量名。对不起。
谢谢你的回答！这很有帮助！不过我有点困惑…我需要单独识别字段发送到Google并连接。如何调用每个v值？例如，我如何连接值？您的正则表达式在乐队和场馆名称上留下尾随空格，但这很容易修复。是的，我也注意到了这一点，但我想我只需在每个
项目的前两个值上使用
[0:-1]
技巧。title
。以及他对（.*）的搜索解决了字符问题，只要你不将regex设置为greedyI，我就用一些连接信息编辑了这篇文章…希望我正确理解了你的意图。谢谢你的回答！至于你的旁注，我注意到有些条目带有“”在开头和结尾，而不是“”。我不知道这是否会是一个问题。我使用的RSS解析器位于：：：：：：看起来你用的行数比导入的少…你使用的是什么模块？特别是get_geo和list.append？list是一个内置的，对吗？get_geo？是GeoPy提供的吗？最后一个line添加换行符？这也很有帮助。感谢您花时间。如果不清楚，很抱歉，但我编造了get_geo。我只是将它用作您决定实现的任何函数的占位符。
>>> import re
>>> s  = 'Michael Schenker Group (House of Blues Dallas 3/26'
>>> re.match(r'(.*) \((.*) (\d+/\d+)', s).groups()
('Michael Schenker Group', 'House of Blues Dallas', '3/26')

>>> "Hello there"
'Hello there'
>>> "it's not its"
"it's not its"

import geocoders # from GeoPy
us = geocoders.GeocoderDotUS()

import feedparser # from www.feedparser.org
feedurl = "http://www.tourfilter.com/dallas/rss/by_concert_date"
feed = feedparser.parse(feedurl)

lines = []
for entry in feed.entries:
    m = re.search(r'(.*) \((.*) (\d+/\d+)\)', entry.title)  
    if m:
        bandRaw, venue, date = m.groups()

        if band == bandRaw:
            place, (lat, lng) = us.geocode(venue + ", Dallas, TX")
            lines.append(",".join([band, venue, date, lat, lng]))

result = "\n".join(lines)