在python中拆分文件的内容

我收到了以逗号分隔的总统姓名，其中有一些细节如下：

James Earl Carter, Jr., 1977-1981, Democrat
Ronald Wilson Reagan, 1981-1989, Republican
George Herbert Walker Bush, 1989-1993, Republican

Name = ['Carter' , 'Reagan' , 'Bush']

StartYears = [1977,1981,1989]

EndYears = [1981,1989,1993]

Party = ['Democrat','Republican','Republican']

现在我想要三张这样的清单：

James Earl Carter, Jr., 1977-1981, Democrat
Ronald Wilson Reagan, 1981-1989, Republican
George Herbert Walker Bush, 1989-1993, Republican

Name = ['Carter' , 'Reagan' , 'Bush']

StartYears = [1977,1981,1989]

EndYears = [1981,1989,1993]

Party = ['Democrat','Republican','Republican']

但我面临一些问题：

James Earl Carter, Jr. contains comma already so splitting is not working properly.

---

怎么做？请提供帮助。

使用

zip

函数和基于正则表达式：

>>> s="""James Earl Carter, Jr., 1977-1981, Democrat
... Ronald Wilson Reagan, 1981-1989, Republican
... George Herbert Walker Bush, 1989-1993, Republican"""
>>> 
>>> list(zip(*[re.findall(r'\w+(?=[,-]|$)',i) for i in s.split('\n')]))
[('Carter', 'Reagan', 'Bush'), 
 ('1977', '1981', '1989'), 
 ('1981', '1989', '1993'), 
 ('Democrat', 'Republican', 'Republican')]

以下正则表达式：

r'\w+(?=[,-]|$)'

将查找位于

、

或

-

前面或字符串末尾的任何单词字符组合

如果您处理的是我建议使用的较长列表，则更适合此类问题，并且当列表的列数不相同时也很好。它还接受一个

fillvalue

参数来填充缺少的列：

>>> s="""James Earl Carter, Jr., 1977-1981, Democrat,anothername,12222 
... Ronald Wilson Reagan, 1981-1989, Republican,33453
... George Herbert Walker Bush, 1989-1993, Republican"""

>>> from itertools import zip_longest
>>> list(zip_longest(*[re.findall(r'\w+(?=[,-]|$)',i) for i in s.split('\n')],fillvalue='**'))
[('Carter', 'Reagan', 'Bush'), 
 ('1977', '1981', '1989'), 
 ('1981', '1989', '1993'), 
 ('Democrat', 'Republican', 'Republican'), 
 ('anothername', '33453', '**')]
>>> 

---

请注意，在这两种情况下，如果您想迭代

izip_longest

或

zip

的结果，则不需要调用

list

。这只是为了演示结果

使用

zip

函数和基于正则表达式：

>>> s="""James Earl Carter, Jr., 1977-1981, Democrat
... Ronald Wilson Reagan, 1981-1989, Republican
... George Herbert Walker Bush, 1989-1993, Republican"""
>>> 
>>> list(zip(*[re.findall(r'\w+(?=[,-]|$)',i) for i in s.split('\n')]))
[('Carter', 'Reagan', 'Bush'), 
 ('1977', '1981', '1989'), 
 ('1981', '1989', '1993'), 
 ('Democrat', 'Republican', 'Republican')]

以下正则表达式：

r'\w+(?=[,-]|$)'

将查找位于

、

或

-

前面或字符串末尾的任何单词字符组合

如果您处理的是我建议使用的较长列表，则更适合此类问题，并且当列表的列数不相同时也很好。它还接受一个

fillvalue

参数来填充缺少的列：

>>> s="""James Earl Carter, Jr., 1977-1981, Democrat,anothername,12222 
... Ronald Wilson Reagan, 1981-1989, Republican,33453
... George Herbert Walker Bush, 1989-1993, Republican"""

>>> from itertools import zip_longest
>>> list(zip_longest(*[re.findall(r'\w+(?=[,-]|$)',i) for i in s.split('\n')],fillvalue='**'))
[('Carter', 'Reagan', 'Bush'), 
 ('1977', '1981', '1989'), 
 ('1981', '1989', '1993'), 
 ('Democrat', 'Republican', 'Republican'), 
 ('anothername', '33453', '**')]
>>> 

---

请注意，在这两种情况下，如果您想迭代

izip_longest

或

zip

的结果，则不需要调用

list

。这只是为了演示结果

从您的数据集中看，似乎只有名称可以包含

，

，其他人不会，因此您可以使用从后面拆分的

rsplit

函数，并为其指定参数

，'

和

2

，这意味着使用逗号从后面拆分，并在两次拆分时停止

范例-

s = "James Earl Carter, Jr., 1977-1981, Democrat".rsplit(',',2)
print(s)
>> ['James Earl Carter, Jr.', ' 1977-1981', ' Democrat']

>>> n = 'James Earl Carter, Jr.'.split(',')[0].split(' ')[-1]
>>> print(n)
Carter
>>> m = 'Ronald Wilson Reagan'.split(',')[0].split(' ')[-1]
>>> print(m)
Reagan

此外，如果对于

名称

列表，条件是如果没有

，

或如果有逗号，则在列表中选择姓氏，然后选择第一个逗号。一个简单的解决方案是使用“，”再次拆分名称列表，这一次正常的

split（“，”）

函数应该这样做，然后使用第一个元素（如果没有逗号，则只有一个元素），然后使用

split（“”）再次按空格拆分，然后使用

[-1]`索引获取最后一个元素

范例-

s = "James Earl Carter, Jr., 1977-1981, Democrat".rsplit(',',2)
print(s)
>> ['James Earl Carter, Jr.', ' 1977-1981', ' Democrat']

>>> n = 'James Earl Carter, Jr.'.split(',')[0].split(' ')[-1]
>>> print(n)
Carter
>>> m = 'Ronald Wilson Reagan'.split(',')[0].split(' ')[-1]
>>> print(m)
Reagan

---

从您的数据集中看，似乎只有名称可以包含

，

，其他名称则不会，因此您可以使用从后面拆分的

rsplit

函数，并为其指定参数

，'

和

2

，这意味着使用逗号从后面拆分，并在两个拆分处停止

范例-

s = "James Earl Carter, Jr., 1977-1981, Democrat".rsplit(',',2)
print(s)
>> ['James Earl Carter, Jr.', ' 1977-1981', ' Democrat']

>>> n = 'James Earl Carter, Jr.'.split(',')[0].split(' ')[-1]
>>> print(n)
Carter
>>> m = 'Ronald Wilson Reagan'.split(',')[0].split(' ')[-1]
>>> print(m)
Reagan

此外，如果对于

名称

列表，条件是如果没有

，

或如果有逗号，则在列表中选择姓氏，然后选择第一个逗号。一个简单的解决方案是使用“，”再次拆分名称列表，这一次正常的

split（“，”）

函数应该这样做，然后使用第一个元素（如果没有逗号，则只有一个元素），然后使用

split（“”）再次按空格拆分，然后使用

[-1]`索引获取最后一个元素

范例-

s = "James Earl Carter, Jr., 1977-1981, Democrat".rsplit(',',2)
print(s)
>> ['James Earl Carter, Jr.', ' 1977-1981', ' Democrat']

>>> n = 'James Earl Carter, Jr.'.split(',')[0].split(' ')[-1]
>>> print(n)
Carter
>>> m = 'Ronald Wilson Reagan'.split(',')[0].split(' ')[-1]
>>> print(m)
Reagan

---

如果要使用

re

# Assume: s = 'James Earl Carter, Jr., 1977-1981, Democrat'
reg = re.compile('(\w+\s+)*(?P<name>\w+),\D*(?P<startyear>\d+)-(?P<endyear>\d+),\s*(?P<party>\w+)')
m = reg.search(s)
Name.append(m.group('name'))
StartYears.append(m.group('startyear'))
EndYears.append(m.group('endyear'))
Party.append(m.group('party'))

#假设：s='James Earl Carter，Jr.，1977-1981，民主党'
reg=重新编译（'（\w+\s+*（？P\w+），\D*（？P\D+）-（？P\D+），\s*（？P\w+））
m=注册搜索
Name.append（m.group（'Name'））
附加（m.group（'startyear'））
EndYears.append（m.group（'endyear'））
附加方（m.group（“一方”））

如果您想使用

re

# Assume: s = 'James Earl Carter, Jr., 1977-1981, Democrat'
reg = re.compile('(\w+\s+)*(?P<name>\w+),\D*(?P<startyear>\d+)-(?P<endyear>\d+),\s*(?P<party>\w+)')
m = reg.search(s)
Name.append(m.group('name'))
StartYears.append(m.group('startyear'))
EndYears.append(m.group('endyear'))
Party.append(m.group('party'))

#假设：s='James Earl Carter，Jr.，1977-1981，民主党'
reg=重新编译（'（\w+\s+*（？P\w+），\D*（？P\D+）-（？P\D+），\s*（？P\w+））
m=注册搜索
Name.append（m.group（'Name'））
附加（m.group（'startyear'））
EndYears.append（m.group（'endyear'））
附加方（m.group（“一方”））

为此，您可以使用正则表达式。考虑到您希望避免名称之间使用逗号，我用了多年的时间首先拆分字符串，然后将第一部分作为名称处理，然后将第二部分作为参与方处理

search_string = """James Earl Carter, Jr., 1977-1981, Democrat
Ronald Wilson Reagan, 1981-1989, Republican
George Herbert Walker Bush, 1989-1993, Republican"""

import re
Name=[]
StartYears=[]
EndYears=[]
Party=[]
year = re.compile("[\d]{4}-[\d]{4}")
for i in search_string.split("\n"):
    split_string =  year.search(i).group(0)
    l = i.split(split_string)[0].split(",")[0].split()
    Name.append(l[-1])
    StartYears.append(split_string.split("-")[0])
    EndYears.append(split_string.split("-")[1])
    Party.append(i.split(split_string)[1].split(",")[1].strip())

print Name
print StartYears
print EndYears
print Party

---

为此，可以使用正则表达式。考虑到您希望避免名称之间使用逗号，我用了多年的时间首先拆分字符串，然后将第一部分作为名称处理，然后将第二部分作为参与方处理

search_string = """James Earl Carter, Jr., 1977-1981, Democrat
Ronald Wilson Reagan, 1981-1989, Republican
George Herbert Walker Bush, 1989-1993, Republican"""

import re
Name=[]
StartYears=[]
EndYears=[]
Party=[]
year = re.compile("[\d]{4}-[\d]{4}")
for i in search_string.split("\n"):
    split_string =  year.search(i).group(0)
    l = i.split(split_string)[0].split(",")[0].split()
    Name.append(l[-1])
    StartYears.append(split_string.split("-")[0])
    EndYears.append(split_string.split("-")[1])
    Party.append(i.split(split_string)[1].split(",")[1].strip())

print Name
print StartYears
print EndYears
print Party

输出

输出

---

---

对不起，请参阅编辑的帖子。我想要['Carter'、'Reagan'、'Bush']还有其他的列表呢？这根本没有给他们想要的输出。对不起，请看编辑后的帖子。我想要['Carter'、'Reagan'、'Bush']还有其他列表呢？这根本没有给他们想要的输出。这些列表从哪里来？你需要使用正则表达式来解析这些行。

年

，

党

不包含逗号，你可以使用

.split

小OT，但是变量中的“\u1”而不是camel case更像python。e、 g.使用“开始年”而不是“开始年”。这些列表来自何处？您需要使用正则表达式来解析

年
和
方
不包含逗号，您可以只使用
.split
小OT，但变量中的“\u”而不是驼峰大小写更像python。e、 g.使用“开始年”而不是“开始年”。我认为这可能是更好的开始：）。如何制作列表请帮助
['James Earl Carter，Jr.'，'1977-1981'，'Democratic']
是一个列表，在字符串上运行
rsplit
或
split
函数，返回列表。你可以开始学习列表，但这并没有给出OP想要的！这确实回答了OP的问题-
James-Earl-Carter，Jr.已经包含逗号，所以拆分无法正常工作。怎么做？请帮助。
OP想要
Carter
from name！和年分开，你可以请比较你的解决方案！！！我想选民们在这里没有看到任何答案