python - 使用正则表达式从文本中提取特定字母并与字典进行比较

Question

我有一个文本列表，其中 90% 的格式为 AABBB-CCCDDD001。并且此列表中也有一些文本可能由

AABBBICS-CCCDDD001 or 
AABBBIGW-CCCDDD001 or 
AABBBRTL-CCCDDD001 or 
AABBBTDZ-CCCDDD001

这些是设备名称

AA - country code
BBB - site code
CCC - Function code
DDD - Sub Function code.

例如:USNYCRTL-LANDCE001

如果代码 ICS、IGW、RTL 或 TDZ 与文本中的代码匹配，我希望它输出它们各自的数字，为此我创建了一个字典:

ENVIRONMENTCODE = {
    'ICS': '1',
    'IGW': '2',
    'RTL': '3',
    'TDZ': '4'
}

NULLCODE = {
    'NULL': '9'
}

所以，如果文本是:

AABBBICS-CCCDDD001 it should print '1' or 
AABBBIGW-CCCDDD001 it should print '2' or 
AABBBRTL-CCCDDD001 it should print '3' or 
AABBBTDZ-CCCDDD001 it should print '4'

以上示例:USNYCRTL-LANDCE001 应该打印“3”，因为 RTL 对应于字典中的数字“3”

现在，对于格式为 AABBB-CCCDDD001 的 90% 的文本，应该打印“9”，因为它应该与键“NULL”配对。此外，可能很少有文本可以包含 AABBBXYZ-CCCDDD001，但我们需要忽略 XYZ，因为它不在字典中，只考虑字典中的那些。并将该文本也标记为“9”。

我知道这里可以使用正则表达式，但我正处于学习 python 的早期阶段，正则表达式现在对我来说似乎遥不可及。到目前为止，这是我尝试过的:

def environmentcode(self):
    idx = self.name.find('-')
    if idx > -1:
        if self.name in ENVIRONMENTCODE:
            return ENVIRONMENTCODE
        else:
            return NULLCODE
    else:
        return "Not Found"

它只打印 NULLCODE 字典，不管文本中是否有键。谁能帮我解决这个问题。

Answer 1

我们可以使用.find来获取码字，如果它存在，然后使用字典将码字映射到它的码号。我们可以使用字典.get方法来返回缺失或未知码字的空码。如果遇到错误数据，此版本将返回 None:名称不包含 '-'，或者名称前没有 8 或 5 个字母'-'.

env_code = {
    'ICS': '1',
    'IGW': '2',
    'RTL': '3',
    'TDZ': '4',
}

null_code = '9'

def get_env_code(name):
    idx = name.find('-')
    if idx == 8:
        # code may be valid
        code = name[idx-3:idx]
    elif idx == 5:
        # code is missing
        code = ''
    else:
        # Bad name
        return None

    return env_code.get(code, null_code)

# test

data = [
    'AABBBICS-CCCDDD001',
    'AABBBIGW-CCCDDD001',
    'AABBBRTL-CCCDDD001',
    'AABBBTDZ-CCCDDD001',
    'USNYCRTL-LANDCE001',
    'AABBBXYZ-CCCDDD001',
    'AABBB-CCCDDD001',
    'BADDATA',
]

for s in data:
    print(s, get_env_code(s))

输出

AABBBICS-CCCDDD001 1
AABBBIGW-CCCDDD001 2
AABBBRTL-CCCDDD001 3
AABBBTDZ-CCCDDD001 4
USNYCRTL-LANDCE001 3
AABBBXYZ-CCCDDD001 9
AABBB-CCCDDD001 9
BADDATA None

---

这是一个更简单的版本，它为错误数据返回空代码而不是 None。

def get_env_code(name):
    idx = name.find('-')
    code = name[idx-3:idx] if idx == 8 else ''
    return env_code.get(code, null_code)