如何使用动态列数重新格式化数据

Question

我有这样一种形式的数据，类别和值位于由";"分隔的同一行中，如下所示：

{{category1;value}, {category2;value}, {category3;value} ....}}

在每一行上，数据可能具有不同数量的类别。因此，第一行可能有类别 1 到类别 5，而第二行可能有类别 1 到类别 10。不过，类别总是按顺序排列。

我需要解析数据并创建一个新文件，以便在列标题中包含类别的名称，并在相应的行中具有值。

category1        category2        category3       category4    ....
 value             value             value          value

但是由于我不能说可能有多少个类别，我需要添加每个新列。因此，解析第一行，我知道有 5 列（cat1 到 cat5），但对于第二行，我必须将 cat6 的列添加到 cat10 等等。

任何知道如何做到这一点。任何 Linux bash 脚本都可以，但 python 对我来说更可取。

Answer 1

鉴于注释，听起来category可以包含分号以外的任何字符，value可以包含右大括号以外的任何字符，因为这些字符会过早终止category或value。

在这种情况下，可以使用正则表达式来匹配模式。

import re
def report(text):
    # Remove surrounding whitespace and braces
    text = text.strip()[1:-1]   
    pairs = re.findall(
        r'''{      # literal open brace
            (.+?)   # one-or-more characters, stop at the first
            ;       # literal semicolon
            (.+?)   # one-or-more characters, stop at the first
            }      # literal closed brace
            ''', text, re.VERBOSE)
    categories, values = zip(*pairs)
    widths = [max(map(len, item)) for item in pairs]
    fmt = '{x:^{w}}'
    for row in (categories, values):
        print('    '.join([fmt.format(x = x, w = w) for x, w in zip(row, widths)]))
tests = """
{{category1;value}, {category2;value}}
{{category1;value}, {category2;value}, {category3;value}}
{{categ{,ory1;val;ue}, {category2;val{ue}, {category3;value}}
""".splitlines()
for test in tests:
    report(test)

收益 率

category1    category2
  value        value  
category1    category2    category3
  value        value        value  
categ{,ory1    category2    category3
  val;ue        val{ue        value  

Answer 2

可能有很多方法可以做到这一点，但可能的方法是

>>> rows = data.translate(None,"{}").replace(";",",").split(",")
>>> rows[::2]
['category1', ' category2', ' category3']
>>> rows[1::2]
['value', 'value', 'value']

和上面的一个小变化

>>> rows = dict(e.split(';') for e in data.translate(None,"{}").split(","))
>>> rows.keys()
['category1', ' category2', ' category3']
>>> rows.values()
['value', 'value', 'value']

以及使用正则表达式的另一种变体

>>> rows = re.split("[{},; ]+",data)[1:-1]
>>> rows[::2]
['category1', 'category2', 'category3']
>>> rows[1::2]
['value', 'value', 'value']