正则表达式任务

Question

以下是我需要解析的文本文件示例。

Lead Attorney: John Doe
Staff Attorneys: John Doe Jr. Paralegal: John Doe III
Geographic Area: Wisconsin
Affiliated Offices: None
E-mail: blah@blah.com

我需要解析所有键/值对并将其导入数据库。例如，我将在 [Lead Attorney] 列中插入“John Doe”。我启动了一个正则表达式，但在解析第 2 行时遇到了问题：

Staff Attorneys: John Doe Jr. Paralegal: John Doe III

我从以下正则表达式开始：

(\w*.?\w+):\s*(.)(?!(\w.?\w+:.*))

但这并不能解析出“Staff Attorneys: John Doe Jr.”和“律师助理：约翰·多伊三世”。即使键/值对在同一行，如何确保我的正则表达式为每个键/值对返回两个组？谢谢！

Answer 1

是否有任何类型的键作为第二键出现？上面的文本可以通过先执行data.replace('Paralegal:', '\nParalegal:') 来修复。然后每行只有一个键/值对，它变得微不足道：

>>> data = """Lead Attorney: John Doe
... Staff Attorneys: John Doe Jr. Paralegal: John Doe III
... Geographic Area: Wisconsin
... Affiliated Offices: None
... E-mail: blah@blah.com"""
>>> 
>>> result = {}
>>> data = data.replace('Paralegal:', '\nParalegal:')
>>> for line in data.splitlines():
...     key, val = line.split(':', 1)
...     result[key.strip()] = val.strip()
... 
>>> print(result)
{'Staff Attorneys': 'John Doe Jr.', 'Lead Attorney': 'John Doe', 'Paralegal': 'John Doe III', 'Affiliated Offices': 'None', 'Geographic Area': 'Wisconsin', 'E-mail': 'blah@blah.com'}

如果 "Paralegal:" 也首先出现，您可以创建一个正则表达式来仅在它不是第一个时进行替换，或者创建一个 .find 并检查前面的字符是否不是换行符。如果有几个关键词可以这样出现，可以做一个关键词列表等。

如果关键字可以是任何东西，但只能是一个单词，则可以查找 ':' 并向后解析空格，这可以通过正则表达式来完成。

如果关键字可以是任何内容并且包含空格，则无法自动执行。