试图将一个string分成几个独立的类别

我在单个excel列中有2000多个string。 每个单元格都有一个遵循以下格式的string：

“BROOKDALE WOODSTOCK 1000 Professional Way Woodstock，GA 30188（678）341-5720 www.brookdale.com”

我想把这个string分成4个不同的类别。 我还包括了一个想法，我怎样使用string格式作为分隔符。

1. 企业名称（全部是大写字母（BROOKDALE WOODSTOCK）中的string部分）
2. 地址（从机构名称开始，以“GA 30 ###”（其中＃是任意数字）子string结束的地址）
3. 电话号码（将在地址后面开始并按照格式（###）### – ####）
4. 网站地址（将在电话号码之后开始，以“www”开头，直到string结尾）

所以理想情况下，从上面的例子来看，我会有一个脚本来把它变成：

BROOKDALE WOODSTOCK，1000 Professional Way Woodstock，GA 30188，[phone]，www.brookdale.com

有没有人有一个想法，我可以做到这一点？ 我应该将其导出为.csv文件并在Python中执行此操作。 有没有一种方法，我可以在Excel本身完成这个？ 也会在城市和州（伍德斯托克，乔治亚州）之间的string预先存在的逗号影响.csv文件？ 我应该如何解决这个问题？

提前致谢。

Answer 1

对于你的行是在A1使用这些公式

• 在B1 ： =TRIM(LEFT(A1,FIND({"1","2","3","4","5","6","7","8","9","0"},A1)-1))

• 在C1 ： =TRIM(MID(A1,LEN(B1)+1,FIND("GA 30",A1)-LEN(B1)))

• 在D1 ： =MID(A1,FIND("(",A1),13)

• 在E1 ： =MID(A1,FIND("www",A1),999)

请注意，假设GA 30 (和www除了在OP中指定的地方以外，不会在string的任何其他地方出现

Answer 2

以下（粗略的）提纲是您要查找内容的“天真”实现。 然而：

• 鉴于所提供的数据稀less，它可能在某个时候失败
• 这将假设从一个文件中读取“逐行”，我不完全确定如何转换你的Excel文件。
• 根据数据的一致性，这里和那里可能会有几个“stream氓”空白
• 整个“comma-as-part-of-an-adress-stored-in-a-.csv-file”问题仍然没有解决

这里是：

 import re # Input sample = "BROOKDALE WOODSTOCK 1000 Professional Way Woodstock, GA 30188 [phone] www.brookdale.com" # Split the line around its blank spaces lst = sample.split(' ') # Create an empty list for each desired category part1 = [] part2 = [] part3 = [] part4 = [] # Now to put each element into the right category while lst: # Part 1 while lst: e = lst.pop(0) if not re.search("[0-9]", e): part1.append(e) else: break # Part 2 part2.append(e) while lst: e = lst.pop(0) if not re.search("\(", e): part2.append(e) else: break # Part 3 part3.append(e) while lst: e = lst.pop(0) if not re.search("w", e): part3.append(e) else: break # Part 4 part4 = [e] + lst # For "proof of concept" purposes, join the fields and print them out part1 = " ".join(part1) part2 = " ".join(part2) part3 = " ".join(part3) part4 = " ".join(part4) print("%s\n%s\n%s\n%s" % (part1, part2, part3, part4)) 

输出：

 BROOKDALE WOODSTOCK 1000 Professional Way Woodstock, GA 30188 [phone] www.brookdale.com 

Answer 3

如果你的2000地址都遵循这种格式，你可以使用正则expression式：

 >>> import re >>> s="BROOKDALE WOODSTOCK 1000 Professional Way Woodstock, GA 30188 [phone] www.brookdale.com" >>> pat=r'^([AZ ]+)[ ](\d+[\w ]+,[ ]GA\s30\d\d\d)[ ](\(\d\d\d\)[ ]\d\d\d-\d\d\d\d)[ ](www[.\w]+)$' >>> ', '.join(re.findall(pat, s)[0]) 'BROOKDALE WOODSTOCK, 1000 Professional Way Woodstock, GA 30188, [phone], www.brookdale.com'