数据 Nitro 和正则表达式 (Python)答案

【问题标题】：Data Nitro and regular expression (Python)数据 Nitro 和正则表达式 (Python)
【发布时间】：2014-05-15 18:54:21
【问题描述】：

我在 MS Excel 2010 中有这个专栏 - 它结合了“邮政编码”和“电子邮件 ID”

我正在尝试从本专栏中提取这些邮政编码（20530、90012-3308 等）。

    20530 mark@ucvxcx.gov
    20530 kidafd@gmail.com
    20530 vladfeodsaf@usdodfaadj.govv
    20530 syadfadsbil.vvbvx@vnvnvn.gov
    20004 safdbnvis9dfg@infdda.gov
    20530 vhlhsdlf8dlfha@vbvbcxbUI.GOV
    90012-3308  h.james@asdfad.gov
    90012-3308  madsfl.hjlkdjd@pkdoi.gov
    90012 mark.fraser@ruskgb.zx

我尝试了 Python 的 re 模块。

import re


for i in range(1, 9):
     Cell(i, 4).value = re.findall(r'\d+', Cell(i, 1).value) #storing result in column4

我在该列上运行了正则表达式，得到了以下结果：

[u'20530']
[u'20530']
[u'20530']
[u'20530']
[u'20004', u'9']
[u'20530', u'8']
[u'90012', u'3308']
[u'90012', u'3308']
[u'90012']

如何将结果提取成人类可读的邮政编码形式？

【问题讨论】：

你的正则表达式实验的结果是什么？为什么不只是.split()[0]？
[u'20530'] [u'20530'] [u'20530'] [u'20530'] [u'20004', u'9'] [u'20530', u'8'] [u'90012', u'3308'] [u'90012', u'3308'] [u'90012']

标签： python regex excel datanitro

【解决方案1】：

你为什么不能split？

>>> '20530 mark@ucvxcx.gov'.split()
['20530', 'mark@ucvxcx.gov']

然后只抓取第一个元素。

>>> '20530 mark@ucvxcx.gov'.split()[0]
'20530'

对于您的所有数据：

l = ['20530 mark@ucvxcx.gov',
     '20530 kidafd@gmail.com',
     '20530 vladfeodsaf@usdodfaadj.gov',
     '20530 syadfadsbil.vvbvx@vnvnvn.gov',
     '20004 safdbnvis9dfg@infdda.gov',
     '20530 vhlhsdlf8dlfha@vbvbcxbUI.GOV',
     '90012-3308  h.james@asdfad.gov',
     '90012-3308  madsfl.hjlkdjd@pkdoi.gov',
     '90012 mark.fraser@ruskgb.zx']

[entry.split()[0] for entry in l]

结果

['20530', '20530', '20530', '20530', '20004', '20530', '90012-3308', '90012-3308', '90012']

【讨论】：

其实我这里处理的是400行，手动在特定列表项周围添加逗号和引号是不可行的，我说的是你的list l
可以以str(Cell(i).value)为例，将其转为字符串。

【解决方案2】：

以下正则表达式将匹配每个字符串并将邮政编码提取为组 1：

([\d\-]+)\s+[\w@\.]+

这是一次提取所有邮政编码的 Python 代码：

import re
text = r'''    20530 mark@ucvxcx.gov
    20530 kidafd@gmail.com
    20530 vladfeodsaf@usdodfaadj.govv
    20530 syadfadsbil.vvbvx@vnvnvn.gov
    20004 safdbnvis9dfg@infdda.gov
    20530 vhlhsdlf8dlfha@vbvbcxbUI.GOV
    90012-3308  h.james@asdfad.gov
    90012-3308  madsfl.hjlkdjd@pkdoi.gov
    90012 mark.fraser@ruskgb.zx'''
re.compile(r'([\d\-]+)\s+[\w@\.]+').findall(text)

【讨论】：

【解决方案3】：

只是针对您在 DataNitro 上的原始问题的附加说明。

已经完成了很多这样的 DataNitro loopinfg 并且在整个专栏中最有效的阅读方式是：

l = Cell("A1").vertical
# returns a list of all values starting in A1 going down to 1st blank cell

结合@cyber 的解决方案，两个班轮将为您提供答案：

l = Cell("A1").vertical
[entry.split()[0] for entry in l]

或者，如果您更喜欢正则表达式的灵活性，Johnathan Benn 的答案就变成了：

l = Cell("A1").vertical
[re.compile(r'([\d\-]+)\s+[\w@\.]+').findall(entry) for entry in l]

【讨论】：