从具有重复模式的长列表中查找并提取字符串答案

【问题标题】：find and extract string from long list with repeating pattern从具有重复模式的长列表中查找并提取字符串
【发布时间】：2013-08-29 10:16:02
【问题描述】：

我有两个文本列表，我想从中提取某些信息。

第一行（前几个术语）看起来像

line = "{"af":"16.63","al":"11.58",..."

如果可能的话，我想只将“”之间的字母提取到一个列表中。例如["af","al"...].

第二行很长，包含一个看起来像这样的序列

line = "...,"name":"Papua New Guinea"},..."

如果可能的话，我只想将"name":"<country>" 之后的字符串放在另一个列表中。例如[...,"Papua New Guinea",...]。同样的模式一次又一次地出现"name":"<country>"}，我只想要国家。

这两个可能都可以使用 SED 通过管道传输到不同文件中的两个列表。我只需要摆脱所有周围的“绒毛”。

我尝试了正则表达式的组合，但它不起作用。我无法使语法正确。提前致谢。

【问题讨论】：

您的line 字符串无效；您不能将" 嵌入到由" 分隔的字符串中；至少没有被引用。
我强烈怀疑你有 JSON 数据；使用 json 模块将其转换为 Python 结构。
是的，它是 JSON 数据。我会调查一下Martijn。谢谢。

标签： python regex parsing sed

【解决方案1】：

您正在查看 JSON 数据；使用 json module 将其解析为 Python 结构。剩下的任务就很简单了：

first_structure = json.loads(line)
print first_structure.keys()

second_structure = json.loads(countries_text)
print [d['name'] for d in second_structure]

【讨论】：

如果这是在一个文件中怎么办。例如文件中唯一的一行是：jQuery.fn.vectorMap('addMap', 'world_en', {"width":950,"height":550,"pathes":{"id":{"path":. .. 其余数据
@Griff：那么你就有了 JavaScript。 JSON 是 JavaScript 的子集，因此如果您可以提取该行中第一个 { 和最后一个 } 之间的部分（使用 str.partition() 和 str.rpartition() 或 str.split() 和 str.rsplit()，限制为1 拆分）然后您可以通常将结果解析为 JSON。
我不能分区，因为它是嵌套的。 pastebin.com/Rct5yVie
@Griff：那是一个的大结构；我设法用countries = json.loads(data.partition(' = ')[2]) 加载它，所以在等号上拆分； countries['pathes'].keys() 给了我所有的国家代码，[d['name'] for d in countries['pathes'].values()] 所有的国家名称。
为什么要按'='分区，数据从{开始。我只是让国家 = 向您展示我在 python 脚本中使用的内容。我应该有 country = json.loads("id"...) 吗？