0
我已经从pdf中提取了一些数据。它具有几乎像XML的数据，看起来像这样 "(1) Data-field-1 (3) Data-field-3 (5) Data-field-5; (1) Data-field-1 (2) Data-field-2 (3) Data-field-3 (5) Data-field-5; ; (2) Data-field-2 (3) Data-field-3 (5) Data-field-5 (6) Data-field-6;"等准xml提取2个开始标记的文本
因此，对于每个条目，数据字段以（x）开头。通常输入以分号（;）结尾，但数据字段中经常出现分号，因此我无法将其用作分隔符。新纪录已经发生的唯一指标是开始标记中的整数小于前一个。标签是从1到6.我想尝试获得一个词典词典，看起来很像JSON，例如
{'Row1':{1 : 'Data-field-1', 3 : 'Data-field-3', 5 : 'Data-field-5'},'Row2': {1: 'Data-field-1', 2: 'Data-field-2', 3: 'Data-field-3' 5: 'Data-field-5'},Row3': { 2: 'Data-field-2' ,3: 'Data-field-3' ,5: 'Data-field-5',6: 'Data-field-6'}等
尝试使用正则表达式在Python中做到这一点，这是我对这场比赛最后一段代码 火柴：
inner_dict={}
test=filter(None, re.split(";", match))
print test
for i,x in enumerate(test):
if i==0 :
inner_dict[1]=x
else:
y=re.findall('\((\d)\)',x)[0]
inner_dict[y]=re.findall('\(\d\)\s(.+)',x)[0]
outer_dict[n]=inner_dict
n+=1
但刚开追溯错误（列表索引范围），因为数据字段中有额外的分号 有关如何做得更好的任何想法？