Python中的字符串处理

Question

我有一个文本文件，我试图从中创建一个熊猫 DFName John DoeCountry WakandaMonth of birth January 1900social status married....每 4 行之后，就会出现一个与此类似的新记录。我正在尝试创建的数据框结构      Name      Country .    Month of Birth .       social status0 . John Doe .  Wakanda        January 1900           married当前方法：我正在使用一种非常低效的迭代方法将记录提取为列表列表，其中每个列表都是 DF 的一行。是否有更好的 Pythonic 方法将列名与值分开，并单独提取值。附注。我不是要代码。关于这种方法的任何建议都会很棒。

Answer 1

也许一种方法是为每个条目列出一个潜在匹配项列表，并为每个条目遍历此列表并在匹配项的情况下去除关键字。

作为单个条目的示例：

text = 'Month of birth January 1900'

keys = ['Month of birth', 'Date of birth' 'Birth']

当您查找匹配项时，一个选项是从列表中选择最短的字符串，这意味着匹配的单词更多：

min([text.strip(x) for x in keys])

'January 1900'

您只需为不同的字段遵循这种方法，并从结果字符串构建一个数据框。您还可以考虑在搜索关键字之前对字符串进行词干处理。希望这可以帮助。