从 Python 中的字符串中提取列表答案

【问题标题】：Extracting List from Within a String in Python从 Python 中的字符串中提取列表
【发布时间】：2018-12-13 03:58:08
【问题描述】：

我正在尝试使用康奈尔电影数据集来创建聊天机器人。这是我要从中提取的字符串列表的格式，保存为 conv_lines：

["u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L194', 'L195', 'L196', 'L197']",
 "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L198', 'L199']",
 "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L200', 'L201', 'L202', 'L203']"]

我正在尝试通过提取每个字符串中的列表，从上面的字符串列表中创建以下列表。

[['L194', 'L195', 'L196', 'L197'],
 ['L198', 'L199'],
 ['L200', 'L201', 'L202', 'L203']]

我找到了这段代码，但不明白它是如何工作的。有人请解释一下。

convs = [ ]
for line in conv_lines[:-1]:
    _line = line.split(' +++$+++ ')[-1][1:-1].replace("'","").replace(" ","")
    convs.append(_line.split(','))

我不明白为什么 [:-1] 用在 for 语句中，以及在拆分后的代码之后。

【问题讨论】：

标签： python string dataset extract

【解决方案1】：

您可以使用ast.literal_eval 和re：

import re, ast
d = ["u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L194', 'L195', 'L196', 'L197']","u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L198', 'L199']", "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L200', 'L201', 'L202', 'L203']"]
new_d = [ast.literal_eval(re.findall('\[[\w\W]+\]', i)[0]) for i in d]

输出：

[['L194', 'L195', 'L196', 'L197'], ['L198', 'L199'], ['L200', 'L201', 'L202', 'L203']]

【讨论】：

【解决方案2】：

使用re 查找[] 之间的内容
使用ast.literal_eval获取列表对象

演示：

import re
import ast
data = ["u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L194', 'L195', 'L196', 'L197']",
 "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L198', 'L199']",
 "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L200', 'L201', 'L202', 'L203']"]

res = []
for i in data:
    val = re.findall(r"\[.*?\]", i)[0]
    res.append(ast.literal_eval(val))
print(res)

输出：

[['L194', 'L195', 'L196', 'L197'], ['L198', 'L199'], ['L200', 'L201', 'L202', 'L203']]

【讨论】：

如何将值附加到外部列表而不是打印？
更新了 sn-p。
我收到 IndexError: list index out of range 错误。
看起来有些字符串没有提到的内容

【解决方案3】：

为了理解您的问题，了解上下文会有所帮助。幸运的是，我确切地知道上下文，因为我参加了与您相同的 Udemy 课程。 ;)

convs = []
for line in conv_lines[:-1]:
    _line = line.split(' +++$+++ ')[-1][1:-1].replace("'","").replace(" ","")
    convs.append(_line.split(','))

for items in some_list[:-1] 通常意味着您正在遍历列表，直到并排除该列表中的最后一项。

例如：

l = [1,2,3,4]
for i in l[:-1]:
    print(i)
Out[ ]:
1
2
3

现在了解这对您发布的代码意味着什么。在for 语句中，您每行抓取除最后一项之外的所有内容。所以最后一项一定是没用的垃圾。不要相信我的话。检查。 print(conv_lines[-1]) 告诉你什么？

现在是 [-1] 的其他用途。 尝试首先使用原始数据中的一行来分解它。

line = "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L194', 'L195', 'L196', 'L197']"
convs = []
_line = line.split(' +++$+++ ')[-1] # notice I truncated after this.
convs.append(_line.split(','))

这会返回什么？

convs
Out[ ]:
[["['L194'", " 'L195'", " 'L196'", " 'L197']"]]

现在怎么样。

convs = []
_line = line.split(' +++$+++ ')[-1][1:-1] # truncated again, but after adding back a bit.
convs.append(_line.split(','))

这会返回什么？

convs
Out[ ]:
[["'L194'", " 'L195'", " 'L196'", " 'L197'"]]

继续。

convs = []
_line = line.split(' +++$+++ ')[-1][1:-1].replace("'","") # truncated less
convs.append(_line.split(','))

convs
Out[ ]:
[['L194', ' L195', ' L196', ' L197']]

最后：

convs = []
_line = line.split(' +++$+++ ')[-1][1:-1].replace("'","").replace(" ","")
convs.append(_line.split(','))

返回超数据科学人员提供的其余代码所需的内容：

convs
Out[ ]:
[['L194', 'L195', 'L196', 'L197']]

请记住，此示例仅使用一行。使用for 循环，您将使用不止一个4 位字符串列表填充convs 列表。这有帮助吗？

【讨论】：