Python - 合并两个重叠的字符串

Question

我正在尝试创建一个完整的地址，但我的数据以以下形式出现:

Line 1                     | Line 2                   | Postcode
1, First Street, City, X13
1, First Street             First Street, City          X13 
1                           1, First Street, City, X13  X13

关于如何创建此数据还有一些其他排列，但我希望能够将所有这些合并到一个没有重叠的字符串中。所以我想创建字符串:
1，城市第一街，X13

但不是 1, First Street, First Street, City, X13 等

如何在不复制已有数据的情况下连接或合并这些数据？还有一些单元格，例如顶行，其中没有超过第一个单元格的信息。

Answer 1

如果您有纯文本，您可以使用 \n 拆分文本以获取行并使用 , 拆分行以获取单独的字段:

>>> s = """1, First Street, City, X13
... 1, First Street             First Street, City,          X13 
... 1                           1, First Street, City, X13  X13"""
>>> 
>>> lines = s.split('\n')
>>> 
>>> splitted_lines = [line.split(',') for line in lines]

请注意，作为一种更符合 Python 的方式，您可以使用 csv 模块通过将逗号 , 指定为分隔符来读取您的文本。

import csv
with open('file_name') as f:
    splitted_lines = csv.reader(f,delimiter=',') 

然后您可以使用以下列表理解来获取每列中的唯一字段:

>>> import re
>>> ' '.join([set([set(re.split(r'\s{2,}',i)).pop() for i in column]).pop() for column in zip(*splitted_lines)])
'1  First Street  City'

请注意，在这里您可以使用 zip() 函数获取列，然后使用 re.split() 和正则表达式 r'\s 拆分项目{2,}' 用 2 个或更多的空格分割你的字符串，然后你可以起诉 set() 来保留唯一的项目。

注意:如果您关心顺序，可以使用 collections.OrderedDict 而不是 set

>>> from collections import OrderedDict
>>> 
>>> d = OrderedDict()
>>> ' '.join([d.fromkeys([set(re.split('\s{2,}',i)).pop() for i in column]).keys()[0] for column in zip(*splitted_lines)])
'1  First Street  City  X13'