Python使用可选的键/ val对标记句子

我正在尝试解析您有句子的句子(或文本行),并且可选地在同一行上跟随一些键/值对.键/值对不仅是可选的,而且是动态的.我正在寻找一个类似的结果：

输入：

"There was a cow at home. home=mary cowname=betsy date=10-jan-2013"

输出：

Values = {'theSentence' : "There was a cow at home.",
          'home' : "mary",
          'cowname' : "betsy",
          'date'= "10-jan-2013"
         }

输入：

"Mike ordered a large hamburger. lastname=Smith store=burgerville"

输出：

Values = {'theSentence' : "Mike ordered a large hamburger.",
          'lastname' : "Smith",
          'store' : "burgerville"
         }

输入：

"Sam is nice."

输出：

Values = {'theSentence' : "Sam is nice."}

感谢您的任何输入/指示.我知道句子看起来这是一个家庭作业问题,但我只是一个Python新手.我知道它可能是一个正则表达式的解决方案,但我不是最好的正则表达式.

解决方法:

我用re.sub：

import re

s = "There was a cow at home. home=mary cowname=betsy date=10-jan-2013"

d = {}

def add(m):
    d[m.group(1)] = m.group(2)

s = re.sub(r'(\w+)=(\S+)', add, s)
d['theSentence'] = s.strip()

print d

如果您愿意,这里有更紧凑的版本：

d = {}
d['theSentence'] = re.sub(r'(\w+)=(\S+)',
    lambda m: d.setdefault(m.group(1), m.group(2)) and '',
    s).strip()

或者,也许,findall是一个更好的选择：

rx = '(\w+)=(\S+)|(\S.+?)(?=\w+=|$)'
d = {
    a or 'theSentence': (b or c).strip()
    for a, b, c in re.findall(rx, s)
}
print d

标签：python,regex,tokenize,text-parsing
来源： https://codeday.me/bug/20190529/1177462.html