如何将非结构化字符串转换为数据框？答案

【问题标题】：How can I convert an unstructured string to a dataframe?如何将非结构化字符串转换为数据框？
【发布时间】：2023-03-03 02:25:01
【问题描述】：

我有一个长字符串文本，我想将其转换为数据框进行分析。请参阅下面的数据示例。我希望这些列是“设施”、“街道”、“城市”、“电话”和“商店营业时间”。

string = AlaskaUSCG Base Ketchikan 1300 Stedman Street  Ketchikan, AK  (907) 228-0250 Mon-Fri 7:30am-5pm | Sat 10am-4pm | Closed Sunday USCG Base Kodiak Albatros Avenue, Building 26 (2nd Floor)  Kodiak, AK  (907) 487-5773 USCG Base Kodiak Albatros Avenue, Building 26 (1st Floor)  Kodiak, AK  (907) 487-5773 Mon-Fri: 7am-9pm | Sat: 9am-9pm |

我使用 StringIO 将其转换为数据帧，但它会将其转换为具有 0 行和 1000 列的数据帧。相反，我想要上面提到的列和每个商店的行。

我希望它看起来像这样，数据填充为行：

Facility                    Street               City           Phone   
Alaska USCG Base Ketchikan  1300 Stedman Street  Ketchikan, AK  (907) 228 0250

【问题讨论】：

好了，网站比原始字符串更能满足您的需求。阅读BeautifulSoup 以及如何解析 XML 文件（在本例中为 HTML）。您想提取 p 标签之间的值（即
value
）并清理这些值。首先使用一些库来获取 .HTML 文件（如 urllib 或 requests 库）并尝试阅读一些基本示例，了解如何使用 bs4 解析来自这些库的响应。
@rafaelc 感谢您的帮助。实际上，我最初尝试使用 BeautifulSoup 来抓取信息，但我在让它正常工作时遇到问题，所以我转而尝试一些字符串操作。

标签： python string pandas dataframe data-manipulation

【解决方案1】：

您可以使用简单的网络抓取技术，例如 bs4 和 requests。

import bs4 

r = requests.get(URL)
b = bs4.BeautifulSoup(r.text)

addresses = []

for val in b.find_all(name='p'):
  s = list(val.stripped_strings)
  if s and not s[0].startswith('HOURS'): addresses.append(' '.join(s[:-1]))

【讨论】：