使用python将未格式化的字符串解析为字典答案

【问题标题】：parse unformatted string into dictionary with python使用python将未格式化的字符串解析为字典
【发布时间】：2011-05-30 08:45:31
【问题描述】：

我有以下字符串。

DATE: 12242010Key Type: Nod32 Anti-Vir (30d trial) Key: a5B2s-sH12B-hgtY3-io87N-srg98-KLMNO

我需要创建字典，所以它会像

{
    "DATE": "12242010",
    "Key Type": "Nod32 Anti-Vir (30d trial)",
    "Key": "a5B2s-sH12B-hgtY3-io87N-srg98-KLMNO"
}

问题是字符串没有格式化

DATE: 12242010Key Type: Nod32 Anti-Vir (30d trial)

在密钥类型之前的日期之后没有空格
另外，最好对 Key 进行一些验证，例如，如果每个 key 框中有 5 个字符和框数

我是 python 的初学者，而且是正则表达式的初学者。非常感谢。

这是我的代码。我从 xpath 获取字符串。为什么我不能在正则表达式中使用它？

import re
import lxml.html as my_lxml_hmtl
tree = my_lxml_hmtl.parse("test.html")
text = tree.xpath("string(//*[contains(text(),'DATE')])")
# this works
print re.match('DATE:\s+([0-9]{8})\s*Key Type:\s+(.+)\s+Key:\s+((?:[^-]{5}(?:-[^-]{5})*))', 'DATE: 12242010Key Type: Nod32 Anti-Vir (30d trial) Key: a5B2s-sH12B-hgtY3-io87N-srg98-KLMNO').groups()

# and this doesn't work, why?
ss = str(text)
# print ss gives the same string which worked in re fabove
print re.match('DATE:\s+([0-9]{8})\s*Key Type:\s+(.+)\s+Key:\s+((?:[^-]{5}(?:-[^-]{5})*))', ss).groups()

当我尝试使用 text 或 str(text) 而不是 'DATE: 12242010Key Type: Nod32 Anti-Vir (30d trial) Key: a5B2s-sH12B-hgtY3-io87N-srg98-KLMNO' 我收到一个错误 AttributeError：“NoneType”对象没有属性“组”

这里有什么问题？

【问题讨论】：

您是否总是有一个带有 DATE、Key Type 和 Key 的字符串，或者有时会有差异？
Python: Split list in array的可能重复
日期、密钥类型和密钥始终存在

标签： python regex parsing

【解决方案1】：

>>> import re
>>> regex = re.compile(r"DATE: (\d+)Key Type: (.*?) Key: ((?:\w{5}-){5}\w{5})")
>>> match = regex.match("DATE: 12242010Key Type: Nod32 Anti-Vir (30d trial) Key: a5B2s-sH12B-hgtY3-io87N-srg98-KLMNO")
>>> mydict = {"DATE": match.group(1),
...           "Key Type": match.group(2),
...           "Key": match.group(3)}
>>> mydict
{'DATE': '12242010', 'Key': 'a5B2s-sH12B-hgtY3-io87N-srg98-KLMNO', 'Key Type': '
Nod32 Anti-Vir (30d trial)'}
>>>

正则表达式DATE: (\d+)Key Type: (.*?) Key: ((?:\w{5}-){5}\w{5}) 匹配日期（仅限数字）和密钥类型（任何字符）；如果它由六组每组五个字母数字字符组成，则它匹配一个键，用破折号分隔。

【讨论】：

【解决方案2】：

如果您可以依靠相同的标题，那么您就走运了。

>>> re.match('DATE:\s+([0-9]{8})\s*Key Type:\s+(.+)\s+Key:\s+((?:[^-]{5}(?:-[^-]{5})*))', 'DATE: 12242010Key Type: Nod32 Anti-Vir (30d trial) Key: a5B2s-sH12B-hgtY3-io87N-srg98-KLMNO').groups()
('12242010', 'Nod32 Anti-Vir (30d trial)', 'a5B2s-sH12B-hgtY3-io87N-srg98-KLMNO')

不过，如果您希望它发生变化，您可能必须在后处理中获取组数。

【讨论】：

【解决方案3】：

import re

def strToDict(inStr, keyList, sep=''):
    rxPieces = [pc + sep + '(.*?)' for pc in keyList]
    rx = re.compile(''.join(rxPieces) + '$')
    match = rx.match(inStr)
    return dict(zip(kl, match.groups()))

def isKey(inStr):
    rx = re.compile('(\w{5}-\w{5}-\w{5}-\w{5}-\w{5}-\w{5})')
    return (rx.match(inStr) is not None)

s = "DATE: 12242010Key Type: Nod32 Anti-Vir (30d trial) Key: a5B2s-sH12B-hgtY3-io87N-srg98-KLMNO"
res = strToDict(s, ['DATE','Key Type','Key'], ': ')

{
    'DATE': '12242010',
    'Key': 'a5B2s-sH12B-hgtY3-io87N-srg98-KLMNO',
    'Key Type': 'Nod32 Anti-Vir (30d trial) '
}

和

if isKey(res['Key']):
    print 'Found valid key'

返回真

【讨论】：