从一行中提取多个键值对

【问题标题】：Extract Multiple Key Value Pairs from a Line从一行中提取多个键值对
【发布时间】：2017-11-07 16:30:46
【问题描述】：

我正在尝试解析文档以构建可搜索的数据。该文档有多个由冒号: 确定的键/值对。有些行在同一行上有多个键/值对。棘手的部分是，除了冒号之外，键名和值的字符串都不一致。例如，冒号和值之间可能有 1 个或 4 个空格，每个值中可以有空格，并且同一行内的键/值对之间可以有不定数量的空格。

示例文档：

   Name:   John Smith
   Address: 123 Main St, Some City, ST 12345       Country:  US
   Date 1: 1/2/17 Date 2: 1/2/18

我需要提取：

    {
      "Name"    : "John Smith",
      "Address" : "123 Main St, Some City, ST 12345",
      "Country" : "US",
      "Date 1"  : "1/2/17",
      "Date 2"  : "1/2/18"
     }

【问题讨论】：

标签： python regex parsing

【解决方案1】：

只要你可以在键、值和它们之间有任意数量的空格，就无法判断一个值何时结束，下一个键何时开始。以示例文档的最后一行为例：是"Date 1":"1/2/17", "Date 2":"1/2/18" 还是"Date 1": "1/2/17 Date", "2": "1/2/18"。因此，如果没有任何进一步的假设，您就无法在一行中清楚地分隔多个键/值对。

如果您只有一组固定的可能键，只需将它们添加为标记并查找出现的键标记，后跟“：”。

如果失败，您可以对键和值的格式做出更多假设。例如，您可以假设一个键总是以字母字符开头。警告：这种临时假设通常会忽略边缘情况，并可能导致数据不干净。

【讨论】：

我认为我将不得不采用假设和固定键方法（我试图避免），但即使这样也变得非常混乱。我会要求重新格式化文件，但是，这些文件需要处理好几年，所以手动做这样的事情是不可行的。谢谢。