Pythonで構造化文字列から必要なデータを抽出するにはどうすればよいですか？

はじめに...

構造化文字列からrequireデータ/フィールドを抽出するためのいくつかのメソッドを紹介します。これらのアプローチは、入力構造の形式が既知の形式である場合に役立ちます。

その方法..

1.アプローチを理解するために1つのダミーフォーマットを作成しましょう。

Report: <> - Time: <> - Player: <> - Titles: - Country: <>

レポート：Daily_Report-時間：2020-10-16T01：01：01.000001-プレーヤー：フェデラー-タイトル：20-国：スイス

report = 'Report: Daily_Report - Time: 2020-10-10T12:30:59.000000 - Player: Federer - Titles: 20 - Country: Switzerland'

2.レポートから最初に気付いたのは、「-」という区切り文字です。先に進み、「-」でレポートを解析します

fields = report.split(' - ')
name, time, player , titles, _ = fields

print(f"Output \n *** The report name {name} generated on {time} has {titles} titles for {player}. ")

出力

*** The report name Report: Daily_Report generated on Time: 2020-10-10T12:30:59.000000 has Titles: 20 titles for Player: Federer.

3.これで、Report：、Time：、Player：などの不要なラベルがまだ表示されているため、出力は期待どおりではありません。

# extract only report name
formatted_name = name.split(':')[1]

# extract only player
formatted_player = player.split(':')[1]

# extract only titles
formatted_titles = int(titles.split(':')[1])

# extract only titles
new_time = time.split(': ')[1]

print(f"Output \n {formatted_name} , {new_time}, {formatted_player} , {formatted_titles}")

出力

Daily_Report , 2020-10-10T12:30:59.000000, Federer , 20

4.これで、タイムスタンプはISO形式になりました。これは、必要に応じて分割したり、そのままにしておくことができます。タイムスタンプフィールドを分割する方法を紹介します。

from datetime import datetime
formatted_date = datetime.fromisoformat(new_time)

print(f"Output \n{formatted_date}")

出力

2020-10-10 12:30:59

• 次に、これらすべての手順を1つの機能にまとめます。

def parse_function(log):
"""
Function : Parse the given log in the format
Report: <> - Time: <> - Player: <> - Titles: - Country: <>
Args : log
Return : required data
"""
fields = log.split(' - ')
name, time, player , titles, _ = fields

# extract only report name
formatted_name = name.split(':')[1]

# extract only player
formatted_player = player.split(':')[1]

# extract only titles
formatted_titles = int(titles.split(':')[1])

# extract only titles
new_time = time.split(': ')[1]

return f"{formatted_name} , {new_time}, {formatted_player} , {formatted_titles}"

if __name__ == '__main__':
report = 'Report: Daily_Report - Time: 2020-10-10T12:30:59.000000 - Player: Federer - Titles: 20 - Country: Switzerland'
data = parse_function(report)
print(f"Output \n{data}")

出力

Daily_Report , 2020-10-10T12:30:59.000000, Federer , 20

6.解析モジュールを使用して、少し単純にすることができます。ご覧のとおり、フォーマットはテンプレートを作成します。解析モジュールを使用すると、これをもう少し簡単に行うことができます。

まず、-pip install parse

from parse import parse
report = 'Report: Daily_Report - Time: 2020-10-10T12:30:59.000000 - Player: Federer - Titles: 20 - Country: Switzerland'

# Looking at the report, create a template
template = 'Report: {name} - Time: {time} - Player: {player} - Titles: {titles} - Country: {country}'

# Run parse and check the results
data = parse(template, report)
print(f"Output \n{data}")

出力

<Result () {'name': 'Daily_Report', 'time': '2020-10-10T12:30:59.000000', 'player': 'Federer', 'titles': '20', 'country': 'Switzerland'}>

7.シンプルなワンライナーで、テンプレートを定義することでログからデータを抽出できます。それでは、個々の値を抽出しましょう。

print(f"Output \n {data['name']} - {data['time']} - {data['player']} - {data['titles']} - {data['country']}")

出力

Daily_Report - 2020-10-10T12:30:59.000000 - Federer - 20 - Switzerland

結論：

ログファイルから必要なデータを解析するためのいくつかの方法を見てきました。テンプレートを定義し、解析モジュールを使用して必要なデータを抽出することをお勧めします。