我有一个输入数据集如下 -
INPUT = [
'ABCD , D.O.B: - Jun/14/1999.',
'EFGH , DOB; - Jan/10/1998,',
'IJKL , D-O-B - Jul/15/1985..',
'MNOP , (DOB)* - Dec/21/1999,',
'QRST , *DOB* - Apr/01/2000.',
'UVWX , D O B, - Feb/11/2001 '
]
我希望这是以下格式的输出形式 -
OUTPUT = [
('ABCD, Jun/14/1999'),
('EFGH, Jan/10/1998'),
('IJKL, Jul/15/1985'),
('MNOP, Dec/21/1999'),
('QRST, Apr/1/2000'),
('UVWX, Feb/11/2001')
]
我尝试了以下部分有效的代码，但我无法以所需的输出格式进行格式化 -
import re
INPUT = [
'ABCD , D.O.B: - Jun/14/1999.',
'EFGH , DOB; - Jan/10/1998,',
'IJKL , D-O-B - Jul/15/1985..',
'MNOP , (DOB)* - Dec/21/1999,',
'QRST , *DOB* - Apr/01/2000.',
'UVWX , D O B, - Feb/11/2001 '
]
def formatted_def(input):
for n in input:
t = re.sub('[^a-zA-Z0-9 ]+','',n).split('DOB')
print(t)
formatted_def(INPUT)
输出-
['ABCD ', ' Jun141999']
['EFGH ', ' Jan101998']
['IJKL ', ' Jul151985']
['MNOP ', ' Dec211999']
['QRST ', ' Apr012000']
['UVWX D O B Feb112001 ']
任何指针都会非常有帮助。提前致谢!
最佳答案
import re
re.findall(r'(\w+)\s+,.*?-\s+([^., ]*)', ' '.join(INPUT))
# [('ABCD', 'Jun/14/1999'), ('EFGH', 'Jan/10/1998'), ('IJKL', 'Jul/15/1985'), ('MNOP', 'Dec/21/1999'), ('QRST', 'Apr/01/2000'), ('UVWX', 'Feb/11/2001')]
关于python - Python 中的正则表达式和格式化，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/51030488/