拆分列表中的元素

Question

我有一个输入字符串：

"[u'$799,900', u'$1,698,000', u'$998,000', u'$1,299,000', u'$1,000,000', u'$499,950', u'$995,000', u'$998,000', u'$2,000,000', u'$988,000', u'$979,000', u'$1,285,000', u'$988,000', u'$579,000', u'$700,000', u'$1,100,000', u'$1,557,000', u'$999,888', u'$798,000', u'$998,000', u'$1,050,000', u'$888,000', u'$559,888', u'$774,900', u'$795,000', u'$850,000']","[u'3 bds', u' 2 ba', u' 1,361 sqft', u'4 bds ', u' 3 ba ', u' 2,845 sqft', u'3 bds ', u' 3 ba ', u' 1,534 sqft', u'3 bds', u' 2 ba', u' 1,762 sqft', u'5 bds', u' 3 ba', u' 2,398 sqft', u'2 bds', u' 2 ba', u' 956 sqft', u'4 bds', u' 3 ba', u' 1,840 sqft', u'3 bds', u' 2 ba', u' 1,212 sqft', u'3 bds', u' 3 ba', u' 1,878 sqft', u'3 bds', u' 2 ba', u' 1,240 sqft', u'3 bds', u' 2 ba', u' 1,207 sqft', u'3 bds', u' 3 ba', u' 1,905 sqft', u'3 bds', u' 3.5 ba', u' 1,591 sqft', u'2 bds', u' 2 ba', u' 946 sqft', u'2 bds', u' 2 ba', u' 1,067 sqft', u'4 bds', u' 3 ba', u' 2,254 sqft', u'5 bds', u' 4 ba', u' 2,744 sqft', u'3 bds', u' 3 ba ', u' 1,291 sqft', u'4 bds ', u' 3 ba ', u' 1,480 sqft', u'3 bds ', u' 2 ba', u' 1,513 sqft', u'4 bds', u' 2 ba', u' 1,846 sqft', u'9 bds ', u' 5 ba', u' 3,336 sqft', u'2 bds', u' 2 ba', u' 983 sqft', u'4 bds', u' 3 ba', u' 1,476 sqft', u'3 bds', u' 3 ba', u' 1,872 sqft', u'2 bds', u' 3 ba', u' 1,459 sqft']"

从中，我需要将 prices 提取到ints 的列表中。

这是我迄今为止尝试过的：

import re

pattern_price = r'\[u\'\$.*?\]'
patternx = r"(.*?u.*?)(\d+\,\d+\,\d+|\d+\,\d+)"

with open(fpath, "r") as f:
    for line in f.readlines():
        lst = re.findall(pattern_price, line)      

    print len(lst) # I get list with 1 element?

    newlst = [x.split(patternx) for x in lst]
    print len(newlst) # I got 1 element again?

类似问题的答案对我没有帮助：Link1Link2

Answer 1

您的代码中有几个问题。

---

创建一个保存值的变量

与您当前的问题无关，但如果您想扩展您的解决方案，这很重要：

您正在遍历文件的行，但没有保留一个保存您所经历的值的变量。

是的，您正在创建一个列表，但该列表是在 for 循环中重新创建的每一行。

因此，您将只获取文件的最后一行，而其他文件未处理。

要解决这个问题，请在循环之前添加一个变量并添加到它。

with open(fpath, "r") as f:
    lst = []
    for line in f.readlines():
        lst.append( ... )

---

价格模式

您正在捕获保存价格的字符串的整个部分。这就是为什么您只能获得 1 个匹配项，而不是每个价格都有 1 个匹配项。

要仅获取价格，您可以使用以下regex：

'''
\$             # Make sure the numbers start with dollar sign (Has to be escaped as it is special sign)
(              # Start capturing group, this is what we want as output
    [\d,]      # Match either a digit (0-9) or a comma ','
    {7,11}     # Match the previous expression 7 to 11 times, getting '100,000' up to '100,000,000'
)              # End the capturing group
'''

---

通过正则表达式分割字符串

您正在尝试通过正则表达式拆分字符串：

x.split(patternx)

这是做什么的，它需要正则表达式，它是一个分隔符字符串，而不是一个正则表达式。

因此，它只是将 子字符串与字符串进行比较，没有找到任何匹配项，然后简单地返回整个字符串。

您应该改用re.split。

---

从字符串中提取数字

最后，您需要将字符串转换为数字并将它们添加到列表中。

为此，您必须遍历 re.findall 返回的列表，去掉逗号并将它们转换为 int。

prices = re.findall(pattern, line)
    for price in prices:
        number = int(price.replace(',', ''))
        lst.append(number)

---

最终代码

import re

pattern = r'\$([\d,]{7,11})'

with open(fpath, "r") as f:
    lst = []
    for line in f.readlines():
        prices = re.findall(pattern, line)
        for price in prices:
            number = int(price.replace(',', ''))
            lst.append(number)
    print lst