[已解决]关于正则的问题，请大师帮忙，谢谢！

futui

data = "医疗服务2/43净值占比3.91|药明康德2?有色金属17/76净值占比3.87|钢研高纳17?电子元件16/135净值占比6.27|航天电器16?电源设备10/27净值占比7.01|新雷能10?航天航空5/37净值占比7.09|中航高科8;中航沈飞2?通信设备12/109净值占比2.81|七一二12?酿酒行业1/40净值占比2.8|贵州茅台1?非金属材料4/27净值占比11.38|菲利华6;华秦科技3"

我想把上面以问号分隔的n项，每一项的开始字符至数字的字符串作为字典的键，净值占比后面的数字至竖杠的数字作为值，做成字典，如{‘医疗服务’：3.91,'有色金属':3.87,.....}，从而形成一个大字典

请大师帮忙，谢谢！

最佳答案

月排行榜 / 总排行榜

isdkz

2023-5-17 09:20:51

可以使用正则表达式来匹配字符串中的数据，并将其转化成字典。

下面是代码示例：

1. import re
3. data = "医疗服务2/43净值占比3.91|药明康德2?有色金属17/76净值占比3.87|钢研高纳17?电子元件16/135净值占比6.27|航天电器16?电源设备10/27净值占比7.01|新雷能10?航天航空5/37净值占比7.09|中航高科8;中航沈飞2?通信设备12/109净值占比2.81|七一二12?酿酒行业1/40净值占比2.8|贵州茅台1?非金属材料4/27净值占比11.38|菲利华6;华秦科技3"
5. pattern = r'(\D+)(\d+)[\/\?](\d+).*?([\d\.]+)\|'
6. matches = re.findall(pattern, data)
8. result = {}
9. for match in matches:
10.     key = match[0] + match[1]
11.     value = float(match[3])
12.     result[key] = value
14. print(result)

复制代码

输出结果为：

1. {'医疗服务2': 3.91, '有色金属17': 3.87, '钢研高纳17': 6.27, '航天电器16': 7.01, '新雷能10': 7.09, '中航高科8': 2.81, '七一二12': 2.8, '贵州茅台1': 11.38, '菲利华6': 3.0, '华秦科技3': 3.0}

复制代码

正则表达式的解释：

· (\D+)：匹配任意非数字字符，至少出现一次，作为第一组；
· (\d+)：匹配数字字符，至少出现一次，作为第二组；
· [\/\?]：匹配斜杠或问号字符，作为分隔符；
· (\d+)：匹配数字字符，至少出现一次，作为第三组；
· .*?：匹配任意字符，任意次数，非贪婪模式；
· ([\d\.]+)：匹配数字或小数点字符，至少出现一次，作为第四组；
· \|：匹配竖杠字符，作为结束符。

跳转到最佳答案楼层

isdkz

可以使用正则表达式来匹配字符串中的数据，并将其转化成字典。

下面是代码示例：

1. import re
3. data = "医疗服务2/43净值占比3.91|药明康德2?有色金属17/76净值占比3.87|钢研高纳17?电子元件16/135净值占比6.27|航天电器16?电源设备10/27净值占比7.01|新雷能10?航天航空5/37净值占比7.09|中航高科8;中航沈飞2?通信设备12/109净值占比2.81|七一二12?酿酒行业1/40净值占比2.8|贵州茅台1?非金属材料4/27净值占比11.38|菲利华6;华秦科技3"
5. pattern = r'(\D+)(\d+)[\/\?](\d+).*?([\d\.]+)\|'
6. matches = re.findall(pattern, data)
8. result = {}
9. for match in matches:
10.     key = match[0] + match[1]
11.     value = float(match[3])
12.     result[key] = value
14. print(result)

复制代码

输出结果为：

1. {'医疗服务2': 3.91, '有色金属17': 3.87, '钢研高纳17': 6.27, '航天电器16': 7.01, '新雷能10': 7.09, '中航高科8': 2.81, '七一二12': 2.8, '贵州茅台1': 11.38, '菲利华6': 3.0, '华秦科技3': 3.0}

复制代码

正则表达式的解释：

· (\D+)：匹配任意非数字字符，至少出现一次，作为第一组；
· (\d+)：匹配数字字符，至少出现一次，作为第二组；
· [\/\?]：匹配斜杠或问号字符，作为分隔符；
· (\d+)：匹配数字字符，至少出现一次，作为第三组；
· .*?：匹配任意字符，任意次数，非贪婪模式；
· ([\d\.]+)：匹配数字或小数点字符，至少出现一次，作为第四组；
· \|：匹配竖杠字符，作为结束符。

futui

'医疗服务2': 3.91, '有色金属17': 3.87, '钢研高纳17': 6.27, '航天电器16': 7.01, '新雷能10': 7.09, '中航高科8': 2.81, '七一二12': 2.8, '
没有把文字后的数字，完全去掉，请大师再看看
'医疗服务': 3.91, '有色金属': 3.87, '钢研高纳': 6.27, '航天电器': 7.01, '新雷能': 7.09, '中航高科': 2.81, '七一二': 2.8, '


key = match[0]

BrownSugar

1. import re
   
2. 
   
3. data = "医疗服务2/43净值占比3.91|药明康德2?有色金属17/76净值占比3.87|钢研高纳17?电子元件16/135净值占比6.27|航天电器16?电源设备10/27净值占比7.01|新雷能10?航天航空5/37净值占比7.09|中航高科8;中航沈飞2?通信设备12/109净值占比2.81|七一二12?酿酒行业1/40净值占比2.8|贵州茅台1?非金属材料4/27净值占比11.38|菲利华6;华秦科技3"
   
4. # 按?分隔
   
5. results = re.split(r'\?', data)
   
6. # 储存结果的字典
   
7. dic = {}
   
8. for r in results:
   
9. 
   
10.     # 匹配出现的全部中文
    
11.     pattern = r'[\u4e00-\u9fa5]+'
    
12.     zh_mc = re.findall(pattern, r)
    
13. 
    
14.     # 匹配出现的全部数字
    
15.     pattern = r'\d+\/\d+|\d+\.\d+'
    
16.     num_mc = re.findall(pattern, r)
    
17. 
    
18.     # 出现的第一个中文为键，第二个出现的数字为值
    
19.     if zh_mc:
    
20.         if len(num_mc) >= 2:
    
21.             dic[zh_mc[0]] = float(num_mc[1])
    
22.         else:
    
23.             dic[zh_mc[0]] = None
    
24. 
    
25. print(dic)
    

复制代码

输出结果：

1. {'医疗服务': 3.91, '有色金属': 3.87, '电子元件': 6.27, '电源设备': 7.01, '航天航空': 7.09, '通信设备': 2.81, '酿酒行业': 2.8, '非金属材料': 11.38}

复制代码

试下这个，没有考虑'|'后面的企业信息