使用groupdict解析字符串与dict

Question

我需要处理的文本来创建一个字典文字的{name: quantity}

变种：

2 Cardname 
3 Cardname Two 
1 Cardname Three 

Cardname 
Cardname Two 
Cardname Three 

所以我写了一个基本的代码：

card_list = card_area.splitlines() 
card_dict = {} 

for card in card_list: 
    qty_re = re.search('^\d{1,6}', card) 
     if qty_re: 
      qty = qty_re.group() 
     else: 
      qty = 1 

    name_re = re.search('[A-Za-z ]+$', card) 
     if name_re: 
      name = name_re.group() 
     else: 
      name = None 

    if name: 
     card_dict[name] = qty 

第一个问题：如果字符串的某些元素不存在（不是数量或空字符串），我可以使用groupdict method。

二：我也想考虑这样的格式：

2 x Cardname 
3x Cardname Two 
1 xCardname Three 
1xCardname Four 

什么是最好的方法是什么？

Answer 1

解决方案。请注意遵循。

from collections import defaultdict 
import re 

# card_list = card_area.splitlines() 
card_list = [ 
    "2 Cardname", "3 Cardname Two", "1 Cardname Three", 
    "Cardname", "Cardname Two", "Cardname Three", 
    "1x Cardname", "4X Cardname Two", "2 X Cardname Three", 
] 

card_dict = defaultdict(int) 

pat = re.compile(r'(\d*)\s*(?:[xX]\s+)?(\S.*)') 

for card in card_list: 
    m = re.search(pat, card) 
    if not m: 
     continue 
    if m.group(1): 
     qty = int(m.group(1)) 
    else: 
     qty = 1 

    name = m.group(2) 
    card_dict[name] += qty 


if not card_dict: 
    print("empty card_dict!") 
else: 
    for name in sorted(card_dict): 
     print("%20s|%4d" % (name, card_dict[name])) 

注：

• 我建议预编译正则表达式模式，对于速度。

• 处理此问题的最佳方法是抓取计数和卡的单个正则表达式模式。我添加了一个可选模式，用可选的'x'识别卡片格式。使用一个字符类，我使它匹配大写或小写'x'。数字和'x'之间的空格是可选的，但'x'和卡片名称之间必须有空格，否则'x'将被视为卡片名称的一部分。

• 如果您不熟悉正则表达式，请阅读以下方法：形成匹配零个或多个数字的匹配组。随后是零个或多个空白字符。接下来是另一个组，但此后面的组标记为(?:而不仅仅是(，因此它是一个组，但不会在输出中生成匹配组;该组是一个匹配'x'或'X'的字符类，后跟一个或多个空格字符。形成另一个匹配组，它以一个非空白字符开头，后面跟零个或多个任意字符。

• 我相信你想总结同名的所有名片？最好的方法是使用defaultdict()，正如我在这里所示。

• 如果没有任何合法卡片名称以'x'或'X'开头，即使卡片名称与卡片名称之间没有空格，也可以更改图案以不保留'x'。要做到这一点，换着花样来匹配“X”从这个：(?:[xX]\s+)?这样：(?:[xX]\s*)?（请注意，一个+改为单*的\s后，所以零个空白字符现在被接受。）

Answer 2

你可以用一个正则表达式做到这一点：

import re 

regex = re.compile(r'(\d*)([A-Za-z ]+)$') 
card_list = ["2 Cardname", "3 Cardname Two", "Cardname Three"] 
card_dict = {} 

for quantity, name in (regex.match(card).groups() for card in card_list): 
    if not quantity: 
     quantity = 1 
    card_dict[name.strip()] = int(quantity) 

print(card_dict) 

给予我们：

{'Cardname Two': 3, 'Cardname Three': 1, 'Cardname': 2} 

不能使用groupdict()达到你想要的东西，因为它返回的subgroup_name: match不match: match的字典。 。相反，我们做一个匹配，然后拿到团体，这让我们在与我们的比赛的元组

一个额外的x中很容易支持的符号，我们只是将其添加到正则表达式：

regex = re.compile(r'(\d*)x?([A-Za-z ]+)$') 

通过匹配x?，我们匹配x，如果它存在，则不匹配。这里唯一的潜在问题是如果你有一个以x开头的卡片名称。

需要注意的是，如果你可以假设，这一数目将永远在那里，你可以做到这一点作为一个班轮：

{name.strip(): quantity for quantity, name in (regex.match(card).groups() for card in card_list)} 

虽然我认为这是推动可读性的边界。