[已解决]excel文件，提取符号要求的词

Amgalang · 发表于 2023-9-3 13:19:38

各位大佬们好，请帮忙处理一下：如下的要求，写的有点多，不过原理很简单，谢谢。

我上传了“1.简明蒙古语词典_任务1最终版 - 副本.xlsx”文件，进行数据处理任务。该文件里包含了“序号”、“词条”、"西里尔蒙古文"、“释义”等四个字段的多行数据。

！处理需求！：

要从释义字段的信息中提取【】符号内的词条和其对应的释义信息，并按照源文件的排序，新创建一行写入。这种提取的信息里不包含"西里尔蒙古文"数据，因此，新创建一行写入时，"西里尔蒙古文"字段的信息为空。

从“释义”字段中提取时需要做几个判断。

！判断内容如下！：

1.当一个释义内容里只有一个【】符号内的词条时，提取的“词条”是【】符号内的词条；提取的该词条的释义内容是，该词条后面内容中的，最后一个“᠃”符号的前部分文本信息。

例如：源文件中完整的一行数据：词条：ᠠᠢ、西里尔蒙古文：айⅢ、释义内容：ᠲᠤᠭᠠᠠ ᠦ ᠤᠢᠭᠡ ᠲᠡᠢ ᠬᠤᠷᠰᠢᠵᠦ ᠤᠯᠡᠠ ᠦ ᠰᠢᠡᠵᠢ ᠤᠤᠡᠬ᠎ᠠ ᠵᠢ ᠨᠡᠮᠡᠬᠦ᠃ 【ᠠᠢ ᠲᠤᠢᠮᠡᠠ】 ᠲᠤᠢᠭ ᠲᠤᠢᠮᠡᠠ᠂ ᠤᠢᠢ ᠲᠤᠢᠮᠡᠠ᠄ ᠠᠷᠦ ᠪᠡᠷ ᠲᠤᠢᠬᠦᠷᠡᠡᠭ ᠠᠢ ᠲᠤᠢᠮᠡᠠ ᠠᠳᠦᠭᠤ᠃

代码应该提取出：词条：ᠠᠢ ᠲᠤᠢᠮᠡᠠ、西里尔蒙古文：、释义：ᠲᠤᠢᠭ ᠲᠤᠢᠮᠡᠠ᠂ ᠤᠢᠢ ᠲᠤᠢᠮᠡᠠ᠄ ᠠᠷᠦ ᠪᠡᠷ ᠲᠤᠢᠬᠦᠷᠡᠡᠭ ᠠᠢ ᠲᠤᠢᠮᠡᠠ ᠠᠳᠦᠭᠤ᠃

而原本的：词条：ᠠᠢ、西里尔蒙古文：айⅢ、释义内容：ᠲᠤᠭᠠᠠ ᠦ ᠤᠢᠭᠡ ᠲᠡᠢ ᠬᠤᠷᠰᠢᠵᠦ ᠤᠯᠡᠠ ᠦ ᠰᠢᠡᠵᠢ ᠤᠤᠡᠬ᠎ᠠ ᠵᠢ ᠨᠡᠮᠡᠬᠦ᠃ 内容，需要保留在原处。不可以删除。不要打乱排序。

2.当释义内容里有多个【】符号的词条时，提取的“词条”是【】符号内的词条；提取的该词条的释义内容是该词条后面另一个【】符号内的词条，前面的文本内容。

3.一个包含多个【】符号的词条的释义内容中，最后一个【】符号的词条的释义是，该词条后面最后一个"᠃ "符号前的文本内容。

例如：源文件中完整的一行数据：词条： ᠠ、西里尔蒙古文：а Ⅰ、释义：① ᠠ ᠤᠢᠰᠦᠭ᠂ ᠠ ᠠᠪᠢᠶ᠎ᠠ᠄ ᠠ ᠤᠢᠰᠦᠭ ᠡᠷᠳᠡᠮ ᠤᠨ ᠲᠡᠭᠡᠵᠢ᠂ ᠠᠶᠡᠭ᠎ᠠ ᠴᠡᠢ ᠢᠳᠡᠭᠡᠠ ᠦ ᠲᠡᠭᠡᠵᠢ (ᠵᠤᠢᠢᠷ)᠃ ② ᠤᠢᠰᠦᠭ ᠵᠢᠡᠷ ᠳ᠋ᠤᠭᠠᠷᠯᠡᠬᠤ ᠳ᠋ᠦ ᠨᠢᠭᠡ ᠭᠡᠰᠡᠠ ᠤᠤᠡᠬ᠎ᠠ᠄ ᠠᠷᠪᠡᠳᠦᠭᠠᠷ ᠵᠤᠢᠢᠯ ᠤᠨ ᠠ ᠳ᠋ᠤᠭᠠᠷ ᠲᠦ ᠲᠤᠷᠡᠳᠦᠬᠰᠡᠠ ᠨᠢ; ᠲᠡᠪᠦᠳᠦᠭᠠᠷ ᠠᠡᠭᠬᠢ ᠵᠢᠠ〈ᠠ〉ᠪᠦᠯᠦᠭ᠃ 【☆ ᠠ ᠮᠠ ᠤᠢᠭᠡᠢ】 Аᠪᠢᠴᠢᠭ ᠤᠢᠰᠦᠭ ᠤᠢᠯᠦ ᠮᠡᠳᠡᠬᠦ᠃ Б ᠶᠡᠷᠢᠶ᠎ᠠ ᠬᠦᠷ ᠤᠢᠭᠡᠢ᠂ ᠶᠡᠷᠢᠶ᠎ᠠ ᠮᠡᠭᠤᠳᠡᠢ᠃ В ᠭᠡᠯᠠ ᠤᠢᠭᠡᠢ᠃ 【ᠠ ᠡ ᠤᠢᠭᠡᠢ】Ａ ᠪᠢᠴᠢᠭ ᠤᠢᠰᠦᠭ ᠤᠬᠳᠦ ᠮᠡᠳᠡᠬᠦ ᠤᠢᠭᠡᠢ᠃ Б ᠶᠡᠷᠢᠶ᠎ᠠ ᠬᠦᠷ ᠤᠢᠭᠡᠢ᠂ ᠲᠤᠭᠤᠢ᠃ В ᠭᠡᠯᠠ ᠤᠢᠭᠡᠢ ᠲᠤᠢᠯᠡᠢ᠃ Г ᠠᠳᠡᠷᠡᠮ᠎ᠠ ᠤᠢᠭᠡᠢ᠂ ᠬᠦᠡᠳᠦᠦ ᠤᠢᠭᠡᠢ᠂ ᠲᠤᠮᠦᠭᠠᠳᠡᠢ᠃

代码应该提取出并创建：词条：☆ ᠠ ᠮᠠ ᠤᠢᠭᠡ、西里尔蒙古文：、释义： Аᠪᠢᠴᠢᠭ ᠤᠢᠰᠦᠭ ᠤᠢᠯᠦ ᠮᠡᠳᠡᠬᠦ᠃ Б ᠶᠡᠷᠢᠶ᠎ᠠ ᠬᠦᠷ ᠤᠢᠭᠡᠢ᠂ ᠶᠡᠷᠢᠶ᠎ᠠ ᠮᠡᠭᠤᠳᠡᠢ᠃ В ᠭᠡᠯᠠ ᠤᠢᠭᠡᠢ᠃
词条：ᠠ ᠡ ᠤᠢᠭᠡᠢ、西里尔蒙古文：、释义：Ａ ᠪᠢᠴᠢᠭ ᠤᠢᠰᠦᠭ ᠤᠬᠳᠦ ᠮᠡᠳᠡᠬᠦ ᠤᠢᠭᠡᠢ᠃ Б ᠶᠡᠷᠢᠶ᠎ᠠ ᠬᠦᠷ ᠤᠢᠭᠡᠢ᠂ ᠲᠤᠭᠤᠢ᠃ В ᠭᠡᠯᠠ ᠤᠢᠭᠡᠢ ᠲᠤᠢᠯᠡᠢ᠃ Г ᠠᠳᠡᠷᠡᠮ᠎ᠠ ᠤᠢᠭᠡᠢ᠂ ᠬᠦᠡᠳᠦᠦ ᠤᠢᠭᠡᠢ᠂ ᠲᠤᠮᠦᠭᠠᠳᠡᠢ᠃两行新数据。
而原本的词条： ᠠ、西里尔蒙古文：а Ⅰ、释义：① ᠠ ᠤᠢᠰᠦᠭ᠂ ᠠ ᠠᠪᠢᠶ᠎ᠠ᠄ ᠠ ᠤᠢᠰᠦᠭ ᠡᠷᠳᠡᠮ ᠤᠨ ᠲᠡᠭᠡᠵᠢ᠂ ᠠᠶᠡᠭ᠎ᠠ ᠴᠡᠢ ᠢᠳᠡᠭᠡᠠ ᠦ ᠲᠡᠭᠡᠵᠢ (ᠵᠤᠢᠢᠷ)᠃ ② ᠤᠢᠰᠦᠭ ᠵᠢᠡᠷ ᠳ᠋ᠤᠭᠠᠷᠯᠡᠬᠤ ᠳ᠋ᠦ ᠨᠢᠭᠡ ᠭᠡᠰᠡᠠ ᠤᠤᠡᠬ᠎ᠠ᠄ ᠠᠷᠪᠡᠳᠦᠭᠠᠷ ᠵᠤᠢᠢᠯ ᠤᠨ ᠠ ᠳ᠋ᠤᠭᠠᠷ ᠲᠦ ᠲᠤᠷᠡᠳᠦᠬᠰᠡᠠ ᠨᠢ; ᠲᠡᠪᠦᠳᠦᠭᠠᠷ ᠠᠡᠭᠬᠢ ᠵᠢᠠ〈ᠠ〉ᠪᠦᠯᠦᠭ᠃ 保留。

希望大佬练个手，写一下代码，谢谢。

发现excel不能上传，我将其转换成了.txt，每一个字段内容以@#符号隔开。请您用exce打开.txt并处理一下，谢谢。

1.简明蒙古语词典_任务1最终版 - 副本.txt (895.3 KB, 下载次数: 2)

最佳答案

月排行榜 / 总排行榜

陶远航

2023-9-3 13:19:39

你好！根据你的需求，你可以使用Python编写代码来处理这个问题。下面是一个示例代码：

import pandas as pd

# 读取txt文件并分割字段
data = pd.read_csv("1.简明蒙古语词典_任务1最终版 - 副本.txt", sep="@#", engine="python")

# 定义函数用于提取词条和释义信息
def extract_info(row):
    meaning = row["释义"]
    if "【" in meaning:
        if "】" in meaning:
            start_pos = meaning.index("【")
            end_pos = meaning.index("】")
            word = meaning[start_pos+1:end_pos]
            if "】" in meaning[end_pos+1:]:
                next_start = meaning[end_pos+1:].index("【")
                next_end = meaning[end_pos+1:].index("】")
                if next_start < next_end:
                    next_word = meaning[end_pos+1:][next_start+1:next_end]
                    meaning = meaning[:start_pos] + next_word + meaning[end_pos+1:][next_end+1:]
                else:
                    meaning = meaning[:start_pos]
            else:
                meaning = meaning[:start_pos]
        else:
            word = meaning[meaning.index("【")+1:]
            meaning = ""
    else:
        word = ""
    
    # 创建新的行
    new_row = {
        "序号": row["序号"],
        "词条": word,
        "西里尔蒙古文": "",
        "释义": meaning
    }
    
    return new_row

# 处理每一行数据
new_data = []
for index, row in data.iterrows():
    extracted_row = extract_info(row)
    new_data.append(row.tolist())
    new_data.append(extracted_row)

# 将新数据转换为DataFrame并保存为Excel文件
new_data = pd.DataFrame(new_data, columns=data.columns)
new_data.to_excel("提取后的数据.xlsx", index=False)

请确保你已经安装了pandas库和openpyxl库（用于读写Excel文件）。将txt文件命名为"1.简明蒙古语词典_任务1最终版 - 副本.txt"，然后运行上述代码，它将生成一个名为"提取后的数据.xlsx"的Excel文件，其中包含提取后的数据。

希望对你有帮助！如果有任何问题，请随时向我提问。
如果问题已经解决，请设置最佳答案

跳转到最佳答案楼层

陶远航 · 发表于 2023-9-3 13:19:39

你好！根据你的需求，你可以使用Python编写代码来处理这个问题。下面是一个示例代码：

import pandas as pd

# 读取txt文件并分割字段
data = pd.read_csv("1.简明蒙古语词典_任务1最终版 - 副本.txt", sep="@#", engine="python")

# 定义函数用于提取词条和释义信息
def extract_info(row):
    meaning = row["释义"]
    if "【" in meaning:
        if "】" in meaning:
            start_pos = meaning.index("【")
            end_pos = meaning.index("】")
            word = meaning[start_pos+1:end_pos]
            if "】" in meaning[end_pos+1:]:
                next_start = meaning[end_pos+1:].index("【")
                next_end = meaning[end_pos+1:].index("】")
                if next_start < next_end:
                    next_word = meaning[end_pos+1:][next_start+1:next_end]
                    meaning = meaning[:start_pos] + next_word + meaning[end_pos+1:][next_end+1:]
                else:
                    meaning = meaning[:start_pos]
            else:
                meaning = meaning[:start_pos]
        else:
            word = meaning[meaning.index("【")+1:]
            meaning = ""
    else:
        word = ""
    
    # 创建新的行
    new_row = {
        "序号": row["序号"],
        "词条": word,
        "西里尔蒙古文": "",
        "释义": meaning
    }
    
    return new_row

# 处理每一行数据
new_data = []
for index, row in data.iterrows():
    extracted_row = extract_info(row)
    new_data.append(row.tolist())
    new_data.append(extracted_row)

# 将新数据转换为DataFrame并保存为Excel文件
new_data = pd.DataFrame(new_data, columns=data.columns)
new_data.to_excel("提取后的数据.xlsx", index=False)

请确保你已经安装了pandas库和openpyxl库（用于读写Excel文件）。将txt文件命名为"1.简明蒙古语词典_任务1最终版 - 副本.txt"，然后运行上述代码，它将生成一个名为"提取后的数据.xlsx"的Excel文件，其中包含提取后的数据。

希望对你有帮助！如果有任何问题，请随时向我提问。
如果问题已经解决，请设置最佳答案

isdkz · 发表于 2023-9-3 13:19:51

你好，以下是我提供的解决方案：

```python
import pandas as pd

# 读取txt文件
data = pd.read_csv('1.简明蒙古语词典_任务1最终版 - 副本.txt', sep='@#', engine='python')

# 创建新的DataFrame用于存储提取的数据
new_data = pd.DataFrame(columns=['词条', '西里尔蒙古文', '释义'])

# 遍历每一行数据
for index, row in data.iterrows():
# 获取释义字段的内容
definition = row['释义']

# 判断是否包含【】符号
if '【' in definition and '】' in definition:
      # 提取词条和释义
      start_index = definition.index('【') + 1
      end_index = definition.index('】')
      term = definition[start_index:end_index]
      meaning = definition[end_index + 1:]

      # 判断释义

Amgalang · 发表于 2023-9-3 13:25:01

完了，返现编码不能识别。大家请看这个。

各位大佬们好，请帮忙处理一下：如下的要求，写的有点多，不过原理很简单，谢谢。

我上传了“1.简明蒙古语词典_任务1最终版 - 副本.xlsx”文件，进行数据处理任务。该文件里包含了“序号”、“词条”、"西里尔蒙古文"、“释义”等四个字段的多行数据。

！处理需求！：

用图片形式补充了。请看下图。
无标题.png

希望大佬练个手，写一下代码，谢谢。

发现excel不能上传，我将其转换成了.txt，每一个字段内容以@#符号隔开。请您用exce打开.txt并处理一下，谢谢。

琅琊王朝 · 发表于 2023-9-3 17:10:47

此内容为ChatGPT回答，如果胡说八道，请不要理会
如果对你有帮助，请设置一个最佳答案！

Amgalang · 发表于 2023-9-3 20:10:17

陶远航发表于 2023-9-3 13:19
你好！根据你的需求，你可以使用Python编写代码来处理这个问题。下面是一个示例代码：

谢谢您的帮助。不过，我刚刚发现代码有个小报错。请您跑一下看看。

还有，我不想让提取后的文件单独生成一个文件。我想让符合要求的那一行数据，按照源文件里的排序，生成在源文件里。换句话说，如果第一行数据中产生了符合要求的数据，那么将生成的那一行数据，创建在第二行，以此类推，感谢您。

账号		自动登录	找回密码
密码			立即注册

[已解决]excel文件，提取符号要求的词

最佳答案

点评